深度學習是什么意思？深度學習是近幾年來緊接著信息社會發(fā)展、自學科學發(fā)展及課程改革向飛身而起向前推進而又出現(xiàn)的一種新的學習樣態(tài)和形式。跪求深度學習的概念解釋什么，目前有多種答案，不少專家學者都不予行政處

深度學習是什么意思？

深度學習是近幾年來緊接著信息社會發(fā)展、自學科學發(fā)展及課程改革向飛身而起向前推進而又出現(xiàn)的一種新的學習樣態(tài)和形式。

跪求深度學習的概念解釋什么，目前有多種答案，不少專家學者都不予行政處罰決定了本質含義一致到表述略有完全不同的解釋。

黎加厚教授其實，深度學習是在表述的基礎上，學習者還能夠批判地學習新思想和事實，并將它融入到縮小的認知結構中，也能在眾多思想間并且聯(lián)系，并都能夠將已近知識遷走到新的情境中，做出決策和解決問題的學習。

郭華教授以為，深度學習是在教師的引領下，學生不斷具有挑戰(zhàn)怎么學習主題，全身心地主動積極聯(lián)合、可以體驗完成、獲得發(fā)展的有心怎么學習過程，并具高批判理解、如有機整合、去建構反思與遷出運用的特征。

深度學習具備幾個特質。一是逼近人的心靈深處的學習。二是體驗式學習。三是深刻理解與實踐創(chuàng)新的學習。

深度學習是培養(yǎng)和訓練學生學科素養(yǎng)、創(chuàng)新能力，增加學生學習質量效果、促進組織課堂教學改革的新的學習型態(tài)，確實是目前課堂教學改革所不追求的目標與境界之一。

算法工程師都有哪些痛點？

這是一個很多同學都比較比較關心的問題，生克制化我們組內的情況，我來說說看個人看法。

簡單的方法，應用場景的需求就是算法工程師要解決的痛點，而這也算法崗位自身痛點的來源，除開算法設計問題、算法優(yōu)化問題、可解釋性問題、泛化能力問題、時空效率問題等等。

在換算解決問題的過程中，我們并不一定會先從算法的數(shù)學理論基礎結束，在結束兩個很嚴謹?shù)臄?shù)學推導過程之后，接下來要能完成算法的實現(xiàn)、訓練、驗證驗證和應用，不過這些環(huán)節(jié)都會又出現(xiàn)各種痛點，包括數(shù)學推導過程本身就有大量的痛點，只不過目前很多推導也是實現(xiàn)假設條件來能完成的，這肯定又是痛點的重要的是來源。

在做算法的不同階段一般說來遇到的痛點是完全不同的，諸如在做算法的初期，痛點在于該如何解決訓練的過擬合和驗證的欠曲線擬合問題。這完全是每一名做算法的同學都會遇到的情況，并且這一問題大概率會夾雜算法工程師的整個職業(yè)生命周期，只不過是到了后期再碰到的的的問題就不那你焦躁了而已，問題總是都在，只不過心態(tài)有所不同而已。

在做算法的中期，痛點會漸漸轉移到泛化問題上，很多工程師也會為了提升泛化能力而犧性掉特定場景表現(xiàn)要好的算法，只不過這些算法肯定在其他場景下的表現(xiàn)特別差，這對于落地之前應用是相當攻擊的。

在當前深度學習盛行的當下的背景下，痛點又從大規(guī)模練習慢慢的全部轉移到了隱私計算和可解釋性上了，而這對此算法工程師來說，在已近痛點就沒能解決的背景下，又增加了新的痛點。

這對當前從事行業(yè)算法崗的同學來說，痛點無時不刻，新的痛點出現(xiàn)了，的確意味著并無的痛點早解決了，只不過更最常見的一種的現(xiàn)象是很多痛點漸漸地地被習慣了了，也就是說白的“痛久了就不疼了”。

我偶爾會跟組里的同學說這樣一個觀點，那是追新有追新的好處，不過在人工智能領域，很多悠久的傳統(tǒng)問題依然就沒能夠得到解決，只是因為我們的關注點全部轉移了只不過，如果都能夠凝視于解決歷史遺留問題，卻有廣闊的創(chuàng)新空間。

后來，如果不是有計算機領域相關的問題，希望能與我交流。