学习深度学习需要掌握以下几个步骤：

1.学习数学基础：学习线性代数、微积分、概率统计等数学基础，这些数学工具可以帮助理解深度学习的原理，比如矩阵运算、梯度下降等。

2.学习编程语言：学习至少一门编程语言，Python是目前比较流行的语言，深度学习框架如TensorFlow、PyTorch也是Python编写的。因此，Python是深度学习领域不可或缺的工具。

3.学习深度学习基础知识：学习深度学习的基础知识，如神经网络、卷积神经网络、循环神经网络等。

4.实践：掌握理论并不足以充分了解深度学习，实践可以让你更深入地理解深度学习的理论知识。尝试自己使用深度学习框架解决实际问题，参加深度学习竞赛和项目等可以帮助深入地理解深度学习。

5.不断学习：深度学习发展迅速，涉及领域广泛，需要不断自学更新知识。

总之，深度学习的学习需要耐心、细心、坚持不懈，并需要熟悉适当的学习方法，如通过学习资料、阅读论文等。

每天五分钟快速玩转深度学习算法

有人说人工智能不要老是谈颠覆，其实新技术出来就可能颠覆，如果没有新技术出来怎么颠覆呢？

几年前深度学习出来了以为能颠覆以前的技术，比如人工编程，现在深度学习遇到了瓶颈，天花板，无法获得了突破，自然就没有人谈颠覆了。使用深度学习做AI项目大干快干，结果开发完系统一落地问题百出只剩下一地鸡毛，深度学习还不是那么一回事，AI要进入低潮了了，自然也不敢提颠覆了。

既然AI没有颠覆性的新技术，大家又要冷静思考，可能又要进入低潮等待新的技术出现。只要没有新技术出现，低潮会持续下去。如果人类不能开发新技术出来，AI就不可能再次进入高潮。

杨立昆说，要把问题不停化简，从现象看到本质，直到得到简单得不得了的问题。那么在一张五颜六色的图片做图像识别如何看到本质并通过化简把目标识别出来呢？目前是无解。

有位大咖说，AI要横向发展，跨界融合，比如说图像识别可能要跟图像处理技术融合，不要只是做深度学习，中文系毕业可能有助于自然语言处理，说到底就是要多专业都精通的人才可能有助于获得AI突破，然而要精通深度学习精通编程精通自然语言的人才谈何容易，但他说的可能是方向，培养综合性多学科人才。

如果国家有这样的综合性多学科人才，可能会率先获得AI突破，再次颠覆原有的技术。

看了cpu编程语言SCALA学习手册，感觉这门是基于JAVA改造的面向对象函数式语言，运行在java虚拟机JVM上。函数式语言类似lisp是要变成表达式语言，不知道有什么用，感觉是java特征都有，能调用java库。为什么要改成函数式语言，看不懂。

这种脚本语言有点像python语言，语法追究极简，这样看起代码可能晦涩难懂，有各种神秘符号，不经过专业训练不可能看懂。除了支持java类库，还有自己的一些独特的类和函数，list跟python有点像。

现在基本看懂他的语法了，准备看cpu代码。

自己逆向摸索是很困难的，可能要十年时间还不一定成功，不过如果有人带情况就不会一样，让你看到逆向世界完全不同。录制了逆向第一部《少年编程反汇编逆向调试入门》，有需要的找我，有偿提供服务