2020年，深度学习是不是发展前景特别好？

学习是一项艰苦的劳动，深度学习付出艰辛是可想而知的。众所周知：无论是要掌握文化知识还是专业知识，学习都是必经之路。无论是全日制面授学习，还是在互联网上通过网络学习，以及借助书完全自学，都能有效地使头脑知识储备增加，掌握知识信息量加大。再加上去粗取精 、去伪存真的进一步加工，把所学知识加以灵活运用。这样对未来的人生一定会有积极促进作用。对未来发展前景也会有一定的促进作用。

前景应该是没任何问题的，应该也是未来的主要发展方向。但是这个学习需要许多相关知识作为基础，千万不要为了热而一头扎进去。重点还是要看是否适合自己。

投入深度学习领域，大多数人最关心的除了成长，就是工作机会与薪资了

毕竟人工智能被一致认为是朝阳行业

那么深度学习就业情况，薪酬与空间，真的如想象一般完美吗？

深度学习工程师就业路径

目前，成为深度学习工程师有两条路径：一是通过春秋两季的校园招聘，另一种是借助社会招聘跨行业转型。前述文章曾经将深度学习工程师分为算法工程师、后端工程师和前端工程师。综合目前市面上各大公司招聘和咨询报告结果，目前工作3-5年左右的工程师为人工智能的市场主力，而应届毕业生更多还在成长之中。

深度学习属于人工智能的前沿技术，是机器学习研究中的一个子集，是一种实现机器学习的技术，通过组合低层特征形成更加抽象的高层属性或类别特征，从而对数据进行表征。

说的更通俗些，深度学习从数据中学习，即自动从数据中提取特征，然后再基于这些特征完成相应的业务需求，比如分类，识别，预测等。现在深度学习已经向前迈出了一步，通过深度神经网络，深度学习可以自动提取对分类算法比较重要的特征，而不需要手动定义这些特征。

深度学习无论从未来的就业还是辅助工作都将是非常好的。人类越来越聪明，越来越一样人工智能代替人类工作，而想要达到这个目的，深度学习就是必要的。

也许每个计算机科学家都梦想造出变形金刚一样的人工智能，但这几年引起重视的“人工智能”还是狭义的深度学习(或者说神经网络)。在算力和数据的帮助下，深度学习在图像/语音等领域取得了巨大成功；以神经网络为核心的外沿应用，诸如自动驾驶，机器人学也蓬勃发展。此外，在各种开源软件/公开课的帮助下，深度学习门槛很低。也正因此，很多人涌入了这一邻域，AI会议投稿翻了几倍，各种AI公司也吸引了无数的投资者。

2016-17年大概是AI概念最火热的时候，当时学界和业界都有很大进展：AlphaGo战胜了李世石；Berkeley学者将DeepRL(深度强化学习)应用于机器人，开辟了一个全新的方向；自动驾驶公司雨后春笋般冒了出来，很多从业者认为1-2年后就可以取代人类司机。那时，不少人认为AI将会改变甚至颠覆很多邻域：也许几年后，道路上都是自动车，服务机器人进入千家万户，简单重复的劳动会被取代。

我动笔已差不多2020年，三年后回头看，好像人们对AI太乐观了。几家AI独角兽集中在容易落地的方向(如人脸识别，监控)。这些方向市场饱和，这几家公司也找不到新的增长点。而自动驾驶面临各种各样的问题，安全员依旧不可或缺，初创公司也倒闭了一批。DeepRL的应用局限在棋牌游戏一类可以大量生成数据的场景。对于机器人学，DeepRL在学界饱受争议，在业界更是没人敢用。

吴恩达说，AI是新的电力。但我个人以为，这一说法是不准确的。在电力革命之前，人们就已经对电磁现象有了深刻的认知。许多著名的定律，如欧姆定律和麦克斯韦方程，已经被提出。换言之，电力革命是“理论指导实践”，电动机变压器等重要发明离不开理论的指导。与之相对，深度学习是“实践指导理论”：人们通过实验发现新的算法，如果实验结果良好则给予经验性的解释。缺乏理论指导无疑限制了学界对于新方法的发现。过去几年里，虽然小的改动层出不穷，但主要的模型还是那么几种，深度学习还是只能处理有限类型的数据。

也许用蒸汽机来类比深度学习，从性质上更为合适。但是改变人类生产生活的，并不是蒸汽机本身，而是蒸汽动力的纺纱机，火车，轮船等。如果深度学习可以被用来制造火车，轮船一样对人类产生巨大影响的新发明，那也完全称得上一场革命。但目前来看，深度学习远没有达到这种水平，也很难说有这样的前景。如前文述，能落地的方向有限，头部企业缺乏增长点，在事关安全的重要邻域人们对神经网络充满疑虑。

今年深度学习特别火，我已经有3个同学去学习了，前景应该是非常不错，你可以咨询一下优就业，他们就有那个培训

人才还是需要的，只是没之前热度那么虚高。

深度学习是未来的大势所趋，人工智能必定是未来的主流职业。你可以到中公教育优就业官网去咨询下老师。

可以去优就业了解下