深度学习的就业怎么样？
老甘闲聊，跟你聊聊。这个问题包含两个部分，一个是深度学习是什么，一个是度学习的就业怎么样。深度学习是模式识别中的一类算法概括，是人工智能领域的前沿技术。深度学习是一类算法的统称，既多层递归神经网络算法。早在上世纪90年代，神经网络算法的应用研究就已经兴起，但受限于硬件计算水平，多层网络的参数优化问题始终得不到解决。
2008年，Hinton教授发表论文阐述了多层神经网络的参数优化方法，在理论上解决了复杂神经网络的构建问题。随着硬件技术的发展，该技术在实践应用中证明具有重大应用价值，并在语言识别，人脸识别，自动驾驶领域广泛应用。深度学习技术人员就业前景良好，但有比较高的从业门槛。在目前的产业应用中，深度学习几乎等同于人工智能。
众多人工智能领域的公司，科研单位，对于相关人员求贤若渴。有些公司不惜百万年薪聘请相关专业人才。所以学习深度学习技术的就业前景一片大好。但是，从事深度学习技术研发，对于从业者的学历要求较高。一般都是要硕士及以上学历的数学，计算机相关专业的毕业生。另外，如果只会深度学习技术的一些应用工具，搭搭网络，训练下数据，这并不是企业真正需要的人工智能人才。
其实这里有好几个常混淆的概念：人工智能，机器学习，神经网络，深度学习。我在课堂上一般这么解释：1. 人工智能是一个大的方向，一个愿景，它提出了很多需要解决的问题，比如机器视觉，自然语言处理，机器学习，神经网络，数据挖掘，仿脑，人工生命等2. 机器学习，神经网络都是人工智能其中的一个待解决的问题，一个待实现的方向3. 深度学习是一种使用神经网络算法进行机器学习的，用以解决人工智能相关问题的解决方法/算法之一4. 神经网络是有层次的，其中一层和两层的被称之为感知器和多层感知器，三层及以上，一般也可称之为深度学习。
各路大神，能给推荐几本适合初学深度学习和神经网络的书吗？
你好，很高兴回答你的问题。有一定Python基础之后就开始开发定位是件好事！深度学习和神经网络这一块儿。我建议你大体了解其内容，然后分章节的在网络上搜各种的文章和视频来学习。年前一段时间本人也在学习神经网络这一块儿。发现对数学的要求比较高，各种高阶公式和矩阵算法，学习起来比较吃力！建议你去哔哩哔哩网站那上面搜索有关深度学习的一些视频。
谈及AI时常听到的「神经网络」和「深度学习」到底是什么意思？
关于神经网络和深度学习，我尽量用一个通俗易懂的方式来解答吧。因为如果用比较专业的语言来描述的话，可能看完了也还是不懂是什么，这样就没啥意义了。先说说神经网络神经网络分为两种：一种是生物的，例如：人、猫、狗还有一种是我们人造的，因为我们能造出聪明一点的机器人。那人的神经网络是什么样的呢？我们打开我们的生物书，里面就会有这样的图，这是一个神经元的结构图。
举个例子：我们的皮肤其实就连接着各种各样的神经末梢，然后我们摸了一个东西，然后我们的神经末梢就将摸到的这种感觉变成了一种生物电，然后通过神经纤维（就是上图中黄色的一节一节的东西）传递到了细胞体中，而神经元细胞体存在于我们的脑和脊髓中。那我们人体有千千万万条这样的神经元，这些神经元就构成了我们人体的神经网络。
我们人也就是通过神经网络，来感知世界的。那人工神经网络又是怎么回事呢？其实，人工神经网络也就是通过模拟人的神经网络架构，而设计出的一套计算机的神经网络算法。例如：我们在读一封邮件的时候，我们怎么判断它是垃圾邮件呢？可能是，看到题目里面有某个特定的词，那它就是垃圾邮件，或者内容中出现一些词，他就是垃圾邮件。
那我们把这封邮件丢到我们人造的神经网络里面，然后我们的众多神经元都接收到了邮件里的拆分出来的词汇，然后各个神经元去判断这个邮件的内容，最后汇总一个答案。这个案例就是一种最最简单的神经网络的应用场景。那这些词汇，我们叫做输入，在第一层的神经元中，我们已经包含了很多的特征（例如某个关键词），根据输入是否存在这种特征，我们做出判断，那是不是垃圾邮件，我们给出一个答案，0代表不是，1代表是，0和1我们成为输出。
那第一层神经元的输出，作为了第二层神经元的输入，第二层神经元只有一个，我们可以给第二层神经元也定一个特征，例如：有一个输入是1，那就是垃圾邮件。那最终，我们就可以判定这个邮件是否是垃圾邮件了。那什么是深度学习呢？原理我们就不讲了，我们只需要知道，深度学习是在神经网络的发展中被研究出来的一种算法模型。就用刚才我们的邮件来举例吧。
我们在讲述邮件的时候，提到了一个东西，特征，但是我们刚才的描述中，并没有明确这些特征是怎么来的。那深度学习呢，就可以问我们解决这个问题。例如：我们找到一个小孩子，让他看一封邮件，他其实并不知道这个邮件是不是垃圾邮件。但是这个没有关系，我们就找出很多很多这样的邮件来，然后告诉这个小孩子，这封是垃圾邮件，这封不是垃圾邮件。
慢慢的，这个小孩子就能够从这一堆邮件中，提取出垃圾邮件的特性。可能最开始他提取了一些特性，但是我们让他学习的过程中，他回答我们这个是垃圾邮件，但是我们告诉他，这个不是垃圾邮件，他就会将这种特性的判断结果做相应的调整。慢慢的，随着他学习的深度，他给出的答案就越准确。而这个学习的过程，其实就是深度学习了。
