【4068】深度學(xué)習(xí)之美：AI時代的數(shù)據(jù)處理與最佳實踐

（張玉宏著，電子工業(yè)出版社，89.2萬字，2018年7月第1版，128元）

△這本書深入淺出地介紹了深度學(xué)習(xí)的相關(guān)理論和實踐。全書共分16章，采用理論和實踐雙主線寫作方式。如，深度學(xué)習(xí)的大圖；機器學(xué)習(xí)的相關(guān)基礎(chǔ)理論、機器學(xué)習(xí)實踐、M.P模型、感知機、多層神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)等知識；……

〇西蒙：學(xué)習(xí)的核心目的就是改善性能。

〇沒有達(dá)到認(rèn)知升級目的，那么即使表面看起來非常勤奮，其實也僅僅是一個“偽學(xué)習(xí)者”。

〇深度學(xué)習(xí)，是一種包括多個隱含層（越多即為越深）的多層感知機。它通過組合低層特征，形成更為抽象的高層表示，用以描述被識別對象的高級屬性類別或特征。能自生成數(shù)據(jù)的中間表示（雖然這個表示并不能被人類理解），是深度學(xué)習(xí)區(qū)別于其他機器學(xué)習(xí)算法的獨門絕技。

〇深度學(xué)習(xí)的學(xué)習(xí)對象是數(shù)據(jù)，“大數(shù)據(jù)+復(fù)雜（大）模型”或許能更好地提升學(xué)習(xí)系統(tǒng)的性能。

〇機器學(xué)習(xí)要走好的三大步：[1]如何找一系列的函數(shù)來實現(xiàn)預(yù)期的功能，這是建模問題；[2]如何找出一系列評價標(biāo)準(zhǔn)來評估函數(shù)的好壞，這是評估問題；[3]如何快速找到性能最佳的函數(shù)，這是優(yōu)化問題。

〇“中庸之道”就是告訴我們要在靈活性（變）和原則性（不變）之間，保持一個最佳的平衡。

〇強化學(xué)習(xí)強調(diào)的是，在一系列的情景之下，選擇最佳決策，它講究通過多步恰當(dāng)?shù)臎Q策，來逼近一個最優(yōu)的目標(biāo)，因此，它是一種序列多步?jīng)Q策的問題。

〇“忍無可忍，無須再忍”。

〇欲速覽無限風(fēng)光，必攀險峰；欲速抵山底幽谷，比滾陡坡。這滾山坡的道理，其實就是梯度遞減策略，而梯度遞減策略，則是BP算法成功背后的基礎(chǔ)。

〇紙上談兵終覺淺，絕知積卷要編程。

〇要想戰(zhàn)勝深度學(xué)習(xí)陡峭的學(xué)習(xí)曲線，領(lǐng)悟到它的美，其實需要很長的學(xué)習(xí)時間，也要求具有一定的數(shù)學(xué)功底。這方面，恰恰是自己最大的短板。