每周一本書之《深度學習演算法實踐》：讓你一站式了解深度學習演算法

來源：數據猿 作者：abby

隨著機器智能的進步，人類預測技能的價值將會降低。原因在於機器預測比人工預測更為低價和優質，正如機器算數肯定比人力算數更為迅速準確。然而，這卻並不像許多專家預言的意味著人類工作的末日，因為人類判斷技能的價值將得以凸顯。用經濟學語言表述就是，判斷是預測的互補品，因此當預測的成本降低，對判斷的需求就會增大。

——The Simple Economics of Machine Intelligence，《哈佛商業評論》

當年互聯網的大潮席捲一切時，數字通信技術被認為將顛覆商業、改變一切。之後的移動互聯網也在某種程度上被認為將顛覆商業。經濟學家總體上並沒有被當時的互聯網泡沫所忽悠。

現如今，有關人工智慧的報道鋪天蓋地，有昔日「新經濟」泡沫之勢。這一次，基本的經濟學原理和框架就足以幫助我們理解和預測這一技術形態對商業產生的影響。技術革命往往會使某些重要活動的成本降低，比如說通信或搜索信息等活動。究其實質，人工智慧或者機器智能（Machine Intelligence）是一項預測技術，因此它的經濟影響將圍繞降低預測成本這個中心來展開。

對於已經身處這個大潮中的開發者、架構師、數據分析人員等，只能去擁抱這項技術。深度學習並不是一項憑空冒出來的技術，它在機器學習之上做了很多優化。本質上所有的有監督學習都是在探討怎樣無限地逼近目標函數（強化學習另外討論），而深度網路就是讓機器代替人類提取特徵的工作變得更有可能真正實現。在經濟學家的眼裡，現階段人工智慧的本質是從預測（或分類問題）開始。

本周，小編將為大家推薦一本關於深度學習演算法的書——《深度學習演算法實踐》

《深度學習演算法實踐》以一位軟體工程師在工作中遇到的問題為主線，闡述了如何從軟體工程思維向演算法思維轉變、如何將任務分解成演算法問題，並結合程序員在工作中經常面臨的產品需求，詳細闡述了應該怎樣從演算法的角度看待、分解需求，並結合經典的任務對深度學習演算法做了清晰的分析。

該書在表達上深入淺出，讓有志於學習深度學習的讀者，能夠快速地理解核心所在，並順利上手實踐。

從內容上本書一共分為6章：

第1章，主要講從工程思維到演算法思維的轉變，對於有基礎的讀者來說稍顯啰唆，但很重要，希望讀者能仔細閱讀。

第2章，闡述文本分析、文本深度特徵等內容，已有基礎的讀者可以根據自己的需求部分略過。

第3章，主要介紹對話機器人的相關技術和發展。

第4章，主要介紹視覺，以人臉檢測為例，從傳統的OpenCV模式識別做人臉檢測到用CNN網路做人臉表情識別。勾勒CNN的傳承發展，講述做圖像分類、目標識別等其他應用。

第5章，主要講區別於一般的有監督學習的另一個問題：強化學習和DQN網路實踐。

第6章，主要講預測與推薦，以股票為例，並同時討論了深度學習在推薦領域的應用。

作者簡介

吳岸城，致力於深度學習在文本、圖像領域的應用。曾中興通訊、亞信聯創擔任研發經理、技術經理等職務，現任菱歌科技首席演算法科學家一職。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！