洞见数据之密读后感

作者：InfoQ中文站

“八篇大家之言揭示数据关系挖掘深层奥义” 实战案例剖析+技术方法探索=数据价值探索真经。从知识发现、商业智能、预测建模到预测分析，数据挖掘相关技术名称的不断变更，不仅体现了其内涵与定义上的延伸，还意味着它在业务流程和商业决策上产生的越来越重要影响。业务驱动的需求扩展促使数据挖掘从简单的数据检索和统计成长为更复杂的分析预测工具。如今，数据挖掘和分析型CRM 已发展为主流，不同的数据挖掘软件也随着技术和算法进步而日趋成熟。

洞见数据之密在线阅读地址

文章侧重点不清楚，专业术语太多，具体问题分析的不算深，算是科普书吧。

DL，首先需要在线性代数方面的基础知识，其次还有概率论，凸优化，基础数据挖掘概念等知识。

深度学习的数学理论其实并不复杂，但是需要注意的细节太多了，我们需要大量的时间来消化理解各个概念，对于新手，我推荐先上手代码，再研究原理，目前的深度学习框架非常之多，包括TensorFlow, theano, lasagne, keras, sknn, no learn, caffe, mxnet, leaf, torch7, convnetjs等。tensorflow目前是github上最火的框架，目前并不推荐新手直接使用Tensorflow，新手最简单易用的框架是keras，没有之一。

先研究代码，先研读keras的tutorial中的sample code(上手代码)，理论方面，可以再读MIT的Deep Learning这本书，最后读论文，通过tensorflow或者theano复现论文的方法。

如果对基础代码熟练了，可以尝试去学习DL各个变种以及组件的原理，并在比较底层的框架，如theano, tensofrflow上自己实现。

与VR关联可能不大，但是与AR关系很大，因为AR需要先识别出图像中的实体，再去进行augmentation增强，其中的识别需要用到DL。

人工智能=机器学习+大数据

引用文章一些新手学习DL的方法，看好未来的人工智能方向。