【好书推荐】深度学习：计算机与你一起读懂世界

fenyun689

1.深度学习要运用到哪些基础数学知识？（例如线性代数、概率论等）
高等数学中的微积分，线性代数和概率论的相关知识

2.人工智能、机器学习和深度学习的区别是？
人工智能是一类非常广泛的问题，机器学习是解决这类问题的一个重要手段。深度学习则是机器学习的一个分支。在很多人工智能问题上，深度学习的方法突破了传统机器学习方法的瓶颈，推动了人工智能领域的发展。

3.你认为深度学习解决的是什么问题？
深度学习主要要解决的是如何让机器能够模仿人脑的思考方式。


4.计算机视觉发展到现在，你觉得如今它面临的瓶颈或挑战是什么？
像人一样理解分析事物。

nail78

1.深度学习要运用到哪些基础数学知识？（例如线性代数、概率论等）

    微积分、线性代数、概率论、信息论、数值计算、统计学等

2.人工智能、机器学习和深度学习的区别是？

    人工智能是开发研究用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的的研究主要包括机器人、语言识别、图像识别、自然语言处理和专家系统等 。
     机器学习和人工智能的概念其实差不多，只是这样的叫法显得更高大上一些。
     深度学习是机器学习的一个分支，来源于对人工神经网络的研究。深度学习是含多个隐藏层的多层感知器的人工神经网络。深度没有具体特指多少层隐藏层，可能5层、10层、上百层、上千层。

3.你认为深度学习解决的是什么问题？

   试图模仿人脑传递和处理信息的模式，主要应用领域是语言识别、图像识别等。

4.计算机视觉发展到现在，你觉得如今它面临的瓶颈或挑战是什么？

   图像处理的不确定性

东风玖哥

1.深度学习要运用到哪些基础数学知识？（例如线性代数、概率论等）
深度学习需要线性代数等数学知识，对微积分和概率论与数理统计关系不大

2.人工智能、机器学习和深度学习的区别是？
人工智能是目的，机器学习是最合适的解决办法，深度学习是最好的一种机器学习

3.你认为深度学习解决的是什么问题？
解决了计算机不能像人类一样思考的问题

4.计算机视觉发展到现在，你觉得如今它面临的瓶颈或挑战是什么？
不能根据面相分析一个人的性格

tree_fox

1.深度学习要运用到哪些基础数学知识？（例如线性代数、概率论等）
高等数学，线性代数和概率论

2.人工智能、机器学习和深度学习的区别是？
人工智能是一类非常广泛的问题，机器学习是解决这类问题的一个重要手段。深度学习则是机器学习的一个分支。

3.你认为深度学习解决的是什么问题？
深度学习主要要解决的是如何让机器能够模仿人脑的思考方式。并且应用在各个领域


4.计算机视觉发展到现在，你觉得如今它面临的瓶颈或挑战是什么？
像人一样理解分析事物。然后通过学习经验，对类似事件进行处理

aloki

1.深度学习要运用到哪些基础数学知识？（例如线性代数、概率论等）
微积分、线性代数、概率论、复变函数、数值计算等等。

2.人工智能、机器学习和深度学习的区别是？
人工智能：从广义上讲，人工智能描述一种机器与周围世界交互的各种方式。通过先进的、像人类一样的智能——软件和硬件结合的结果——一台人工智能机器或设备就可以模仿人类的行为或像人一样执行任务。

机器学习：一种实现人工智能的方法。机器学习是人工智能的一种途径或子集，它强调“学习”而不是计算机程序。

深度学习：一种实现机器学习的技术。深度学习是机器学习的一个子集，推动计算机智能取得长足进步。

机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。它们三者的关系如下图所示：



3.你认为深度学习解决的是什么问题？
深度学习主要要解决的是如何让机器能够模仿人脑的思考方式。从而摆脱原来的固有数据库比较的限制。让机器能够通过深度学习理解这个不断变化的世界。因此深度学习是人工智能的重要组成部分。主要用于机器视觉和语音识别等领域。而机器视觉又是未来汽车自动驾驶必备的技术。从而为各大整车厂及主动安全零部件供应商所高度重视并持续投入。它的核心是人脑视觉系统和神经网络。又与自动化控制中的神经网络模糊控制相关联。

4.计算机视觉发展到现在，你觉得如今它面临的瓶颈或挑战是什么？
瓶颈不在于应用，而在于创新。
瓶颈不在计算机视觉，而在人工智能。
瓶颈不在于工具，而在于人才。

lbseraph

1.深度学习要运用到哪些基础数学知识？（例如线性代数、概率论等）
  高等代数、线性代数、概率论、数理统计、多元微积分、泛函分析等等

2.人工智能、机器学习和深度学习的区别是？
  从下面这个图很容易看出三者关系：人工智能>机器学习>深度学习。个人理解，人工智能理想的目标是能造出和人类智慧相近的机器来代替人类工作。以前看各种科幻片，被里面智慧的机器人或超强的计算体吸引，那类人工智能算强人工智能；而目前生活中能碰到的人工智能是弱人工智能，比如专家系统、机器学习、推荐系统等等都是在指定领域做特定的事情。机器学习只是实现人工智能的其中一个方法，通过算法来解析数据、从里面学习到规律或模型，然后对真实环境里的事情做出决定和预测。而深度学习是实现机器学习的其中一种技术，最近几年随着计算硬件的发展而迅速提高，特别是利用大数据训练提高了准确率。


3.你认为深度学习解决的是什么问题？
  深度学习源于人工神经网络的研究，动机在于建立和模拟人脑进行分析学习的神经网络，说白了就是让机器拥有像人类一样思考的方式。目前它在机器视觉（图片、视频处理）和语音识别领域都有很大的进步，期待以后它能辅助人工智能像人脑一样处理未知问题。

4.计算机视觉发展到现在，你觉得如今它面临的瓶颈或挑战是什么？
  我觉得还谈不上瓶颈，目前计算机视觉还有很多方面值得去做的，准确来说是各种挑战。比如立体视觉中三维物体位置的精度（你可以控制机械臂移动物体从这里到那里，不同人做出了的软件控制的精度可能就不一样，但有些领域对精度要求是很高的，像航空航天）。前几天大家都看到iPhone X的Face ID的负面报道，比如识别不了双胞胎、儿子解锁了妈妈的手机；这些都是计算机视觉有待提高的地方。

seesea2517

1.深度学习要运用到哪些基础数学知识？（例如线性代数、概率论等）
  粗略的说理论是建立在概率论上，实现上需要线性代数和微积分等数学工具。

2.人工智能、机器学习和深度学习的区别是？
  人工智能是一个综述的概念，就是让人造的装置表现出智能的行为。
  机器学习则是一些通过数据训练的学习算法的人工智能的一种实现方式，像线性回归、K均值、决策树、随机森林、PCA、SVM、ANN 等。
  深度学习是机器学习的一种实现方案，在机器学习基础上加上了“深度”，其实就是机器学习的人工神经网络方法的发展，近年来硬件的发展使得这个“深度”得以支持，可以增加了更多的层和巨量的神经元，从而大力的发展了起来，显现出深度学习的惊人力量。
  总的来说，就是人工智能包含机器学习，机器学习包含深度学习，六楼的图已经用过了，这就不再重复堆上啦。

3.你认为深度学习解决的是什么问题？
  深度学习用软硬件模拟人脑实现人工智能，解决机器学习必须人工调整算法参数的问题，通过输入数据来训练算法，自动调整参数。

4.计算机视觉发展到现在，你觉得如今它面临的瓶颈或挑战是什么？
  目前还有可能被一些黑客用人眼明显可分辨出异样的图像给欺骗了。
  还有从2D到3D的升级，从图像到现实世界的升级。
  活体检测也是比较新的话题，略微和机器视觉有点关系吧，还有很大的发展空间。