1樓：超越
既然對模式識別、機器學習這方面比較感興趣，那麼建議從卷積神經網路這一類開始學，例如
1）卷積神經網路
卷積神經網通過採用卷積，極大規模地減少了引數的數量。
卷積神經網路
2）深度殘差網路
深度殘差網路的主要特色，就是下圖中的恒等通路。
深度殘差網路
3）深度殘差收縮網路
深度殘差收縮網路[1]
[2]主要針對的是強噪、高冗餘資料，這一功能是通過引入自適應軟閾值化來實現的。
（面向強噪、高冗餘資料的）深度殘差收縮網路
2樓：會寫程式碼的好廚師
樓上已經給出了很多建議，我在補充一些：首先我覺得大規模機器學習可能對裝置需要有一定的要求，這是乙個方向，但是在選擇的時候要慎重，如果老闆有錢，也就沒所謂了;其次，機器學習中，最難的應該是NLP，很具有挑戰性;語音我不熟悉，但是我的本行是做影象的，目前有幾點值得關注：1）遷移學習;2）無監督和半監督問題;3）基於VIdeo的任務，現在無人駕駛ADAS用的很多，很多;4)fashionAI 目前剛剛開始研究，有點類似關鍵點檢測任務;4）等等吧，還有很多，感覺做CV的要什麼都懂點才好混！
3樓：張騫暉
dl , 1. deep reinforcement learning 2.unsupervised learning。
CV方面的 image understanding.
還有 Visual Tracking
求問模式識別和機器學習，以及深度學習的最基礎的前置課程有什麼？
泰克尼客 Python幾天就ok了，好好複習本科的幾門數學課，高數，線代，概率，千萬別丟。這是基礎中的基礎。讀研階段，矩陣泛函也要學紮實。 WILL 先說下我和題主理解的稍有不同的吧，這三個概念其實相關性很大，模式識別約等於機器學習，深度學習是在機器學習基礎之上發展而來的，尤其是神經網路，是需要機器...
生物識別技術的發展方向在哪兒？
可以嵌入到裝置中，如手機，智慧型裝置等。分享乙個相關的講座 線上分享 智慧型硬體上的影象識別 線掃瞄掌紋識別和門把手識別 知乎專欄 生物識別包括指紋識別 人臉識別和虹膜識別等等，過去指紋識別發展比較快，近年來人臉識別也很火，而虹膜識別技術近年來也在快速發展。本質上，生物識別技術都是利用生物獨一無二的...
研究生階段想自學模式識別以及機器視覺，有什麼好的建議嗎？
超越 如果不知從何學起，不妨從人工神經網路開始學，畢竟這是目前最主流的門類，包括 1 多層感知機 多層感知機是由輸入 隱含和輸出等層組成的，是最簡單的人工神經網路。多層感知機 2 卷積神經網路 卷積神經網路的核心部分是卷積層和池化層，其功能如下圖所示。卷積神經網路 3 殘差收縮網路 當資料雜訊強時，...