馬克•庫班（NBA獨行俠隊老闆，億萬富翁）說過：「人工智慧、深度學習和機器學習，不論你現在是否能夠理解這些概念，你都應該學習。否則三年內，你就會像被滅絕的恐龍一樣被社會淘汰。現在不開始，以後就來不及了。」
深度學習如何高效入門可以說是AI 領域老生常談的問題了，一種路徑是從傳統的統計學習開始，然後跟著書上推公式學數學；另一種路徑是從實驗入手，畢竟深度學習是一門實驗科學，可以透過學習深度學習框架TensorFlow 和Keras 以及具體的影像辨識的任務入手。對想要快速出成果的同學來說，第一種方法是不推薦的，除非你的數學很強想去做一些偏理論的工作，對大部分人來說還是從深度模型入手，以實驗為主來學習比較合適。
什麼是人工智慧、機器學習與深度學習？
AI 是Artificial Intelligence 的縮寫，中文是大家廣知的「人工智慧」。它可以視為使機器具備類似人類的智慧，從而代替人類去完成某些工作和任務。要說明什麼是深度學習，首先要知道機器學習、神經網路、深度學習之間的關係。
眾所皆知，機器學習是一種利用資料訓練出模型，然後使用模型預測的技術。與傳統的為解決特定任務、透過編碼實現的軟體程式不同，機器學習使用大量的資料來「訓練」，透過各種演算法從資料中學習如何完成任務。機器學習是人工智慧的子領域，機器學習理論主要是研究、分析和設計一些讓電腦可以自動學習的演算法。在這種機器自學的方式中，我們不給機器規則，取而代之的是，我們提供機器大量針對某一任務的資料，讓機器自己去學習，去挖掘出規律，從而具備完成某一任務的智慧。因此，機器學習就是透過演算法，使用大量資料進行訓練，訓練完成後會產生模型，訓練好的模型就用於新資料結果的預測。
深度學習框架TensorFlow、Keras
深度學習已經廣泛應用於各個領域，這裡拋磚引玉，簡單介紹一下時下非常熱門的深度學習開放原始碼框架TensorFlow。TensorFlow 是Google 開放原始碼的機器學習工具，在2015 年11 月實現正式開放原始碼，開放原始碼協定為Apache 2.0。TensorFlow 作為Google 重要的開放原始碼專案，有非常火熱的開放原始碼社區推動其發展。TensorFlow 中的實現程式可能跟通常的Python 程式有點不一樣，因為TensorFlow 有它自己的框架和系統，會用它自己更加調配的方式來描述過程。
Keras 是一個極簡的、高度模組化的神經網路函數庫，採用Python 開發，能夠執行在TensorFlow 平台，旨在完成深度學習的快速開發。Keras 的開發重點是支援快速的實驗，能夠以最小的延遲把我們的想法轉為實驗結果，是做好神經網路研究工作的關鍵。Keras 最初是作為ONEIROS 專案（開放式神經電子智慧型機器人作業系統）研究工作的一部分而開發的，Keras 是一款使用純Python 語言撰寫的神經網路API，使用Keras 能夠快速實現我們的深度學習方案，所以Keras 有著「為快速試驗而生」的美稱。Keras 以TensorFlow、Theano、CNTK 為後端，即Keras 的底層計算都是以這些框架為基礎，這使得Keras 能夠專注於快速架設神經網路模型。
IMDB電影評論情感分析
IMDB 是一個與電影相關的線上資料庫，它包含了25000 部電影的評價資訊，該資料庫是由史丹佛大學的研究院整理的。IMDB 電影資料集含有50000 個電影評論，訓練資料與測試資料各25000 項，每一項電影評論都被標記為「正面評價」和「負面評價」兩類。
情感分析是自然語言處理中很重要的方向，目的是讓電腦理解文字中包含的情感資訊。情感分析有很多的應用場景，比如做一個電子商務網站，賣家需要時刻關心使用者對於商品的評論是否是正面的。再比如做一個電影的宣傳和策劃，電影在觀眾中的口碑也非常重要。網際網路上任何一個事件或物品，都有可能產生成千上萬的文字評論，如何定義每一個文字的情緒是正面還是負面的，是一件很有挑戰的事情。
我們希望建立一個模型，在經過大量的電影評論文字訓練後，這個模型可以用來預測電影評論是正面評價或是負面評價。
遷移學習，人臉辨識、影像風格遷移、生成對抗網路
人臉辨識其實是一種身份驗證技術，它與我們所熟知的指紋辨識、聲紋辨識、虹膜辨識等均屬於生物資訊辨識領域。它是分析與比較人臉視覺特徵資訊，進行身份驗證或查詢的一項電腦視覺技術手段。作為生物資訊辨識之一的人臉辨識，其具有對擷取裝置要求不高（裝置只需要能夠拍照即可）、擷取方式簡單等特點。在進行人臉身份認證時，不可避免地會經歷諸如影像擷取、人臉檢測、人臉定位、人臉提取、人臉前置處理、人臉特徵提取、人臉特徵對比等步驟，這些都可以認為是人臉辨識的範圍。
我們正經歷一場大革命，這場革命就是由巨量資料和強大的電腦運算能力開始的。如果你會一點點Python，本書就是最適合你入門的一本書。
--
本文取自深智數位出版之〈用最簡潔的Python上手 - 深度學習從精通再成大神〉
