深度学习之美：AI时代的数据处理与最佳实践

【4068】深度学习之美：AI时代的数据处理与最佳实践

（张玉宏著，电子工业出版社，89.2万字，2018年7月第1版，128元）

△这本书深入浅出地介绍了深度学习的相关理论和实践。全书共分16章，采用理论和实践双主线写作方式。如，深度学习的大图；机器学习的相关基础理论、机器学习实践、M.P模型、感知机、多层神经网络、BP神经网络等知识；……

〇西蒙：学习的核心目的就是改善性能。

〇没有达到认知升级目的，那么即使表面看起来非常勤奋，其实也仅仅是一个“伪学习者”。

〇深度学习，是一种包括多个隐含层（越多即为越深）的多层感知机。它通过组合低层特征，形成更为抽象的高层表示，用以描述被识别对象的高级属性类别或特征。能自生成数据的中间表示（虽然这个表示并不能被人类理解），是深度学习区别于其他机器学习算法的独门绝技。

〇深度学习的学习对象是数据，“大数据+复杂（大）模型”或许能更好地提升学习系统的性能。

〇机器学习要走好的三大步：[1]如何找一系列的函数来实现预期的功能，这是建模问题；[2]如何找出一系列评价标准来评估函数的好坏，这是评估问题；[3]如何快速找到性能最佳的函数，这是优化问题。

〇“中庸之道”就是告诉我们要在灵活性（变）和原则性（不变）之间，保持一个最佳的平衡。

〇强化学习强调的是，在一系列的情景之下，选择最佳决策，它讲究通过多步恰当的决策，来逼近一个最优的目标，因此，它是一种序列多步决策的问题。

〇“忍无可忍，无须再忍”。

〇欲速览无限风光，必攀险峰；欲速抵山底幽谷，比滚陡坡。这滚山坡的道理，其实就是梯度递减策略，而梯度递减策略，则是BP算法成功背后的基础。

〇纸上谈兵终觉浅，绝知积卷要编程。

〇要想战胜深度学习陡峭的学习曲线，领悟到它的美，其实需要很长的学习时间，也要求具有一定的数学功底。这方面，恰恰是自己最大的短板。