上回提到深度學習，其實就是一種表徵學習（Representation Learning）的演算法，今天來簡單介紹一下表徵學習。
在系列文第六天的時候，我有簡單介紹一下資料的表示法，像是圖片、影片、類別資料、音檔及文字等資料，在電腦是怎麼儲存的，然而，這樣的儲存方式是最好的嗎？對電腦而言，資料是否有意義？這其實是未知的。過去就有一些人在研究特徵提取（feature extraction）相關的演算法，可以用矩陣分解的方式，如奇異值分解（Singular Value Decomposition, SVD），或者深度學習其實也是在做類似的事情，想法其實就是把這些資料比較重要的部分，也就是特徵，給提取出來，如此我們就可以用這些特徵去做分析就好，對電腦而言可能會更有意義。
個人認為，表徵學習是人工智慧領域裡最重要的一門學問。
iThome鐵人賽
看影片追技術