- 具体来说，应用深度学习需要同时理解：
- 问题的动机和特点；
- 将大量不通类型神经网络层通过特定方式组合在一起的模型背后的数学原理；
- 在原始数据上拟合极复杂的深层模型的优化算法；
- 有效训练模型、避免数值计算陷阱以及充分利用硬件性能所需的工程技能；
- 为解决方案挑选合适的变量（超参数）组合的经验。
- 通俗来说，机器学习是一门讨论各式各样的适用于不同问题的函数形式，以及如何使用数据来有效地获取函数参数具体值的学科。
- 深度学习是指机器学习中的一类函数，他们的形式通常为多层神经网络。
- 机器学习研究如何使计算机系统利用经验改善性能。它是人工智能领域的分支，也是实现人工智能的一种手段。
- 在机器学习的众多研究方向中，表征学习关注如何自动找出表示数据的合适方式，以便更好地将输入变换为正确的输出。
- 在每一级（从原始数据开始），深度学习通过简单的函数将该级的表示变换为更高级的表示。因此，深度学习模型可以看作是许多简单函数复合而成的函数。当这些复合的函数足够多时，深度学习模型就可以表达非常复杂的变换。