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 。
如何更高效的自学机器学习？
机器学习其实是一个特别大的范畴 ， 高效自学机器学习有两个方面的关键要素：首先要对机器学习有一个宏观的认识 ， 知道哪些是领域是热门且重点领域 ， 做到抓住重点 ， 有的放矢；其次 ， 你需要在熟练掌握一门语言工具的前提下结合具体项目实践 ， 增加自己的实践经验 ， 这个地方我给python打一个广告 。下面说一些具体的东西 ， 可能会对你有所帮助 。
1: 机器学习可以解决哪些问题？主要分为两类问题：分类问题和回归问题 ， 其中分类问题又可以分为多分类问题和多标签多分类问题 。其他还有很多进阶版本的问题 ， 一般由多个问题复合而成 ， 比如物体检测 ， 实际是把图像分割和分类问题整合到了一起；2: 机器学习算法有哪些？我们大体可以将机器学习的算法分为传统机器学习和深度学习算法 。
传统机器学习算法中 ， 常见的有SVM ， 决策树 ， 随机森林等 ， 大都在sklearn中进行了集成 ， 可以非常方便的调用 。深度学习算法主要依赖学习框架 ， 主流的包含Tensorflow和PyTorch ， 各有优缺点 ， 请自行了解做进一步选择 。其次就是深度学习的网络结构又可以分为卷积神经网络 ， 递归神经网络 ， 自动编码器 ， 对抗生成网络 ， 图卷积神经网络等 。
目前深度学习在各个领域都取得了巨大的性能提升 ， 是机器学习中的重点领域 ， 另外图卷积也逐渐成为重中之重；3: 常见的机器学习的流程是什么样的？一个不失一般性的流程由这么几部分构成：数据集整理 ， 数据集预处理 ， 数据集划分（训练集 ， 测试集 ， 验证集 ， 常见比例7:1:2） ， 模型训练 ， 模型验证 ， 模型测试 。4: 怎么评价模型性能好坏？常见指标有哪些？我们通常使用验证集的数据测试并选择最终的模型 ， 然后用测试数据集来测试我们模型的性能 。