人工智能是下一块大蛋糕，机器学习算法是人工智能发展的基础，然后这方面的人才储备却还存在重大缺口。据不完全统计，中国有数据化运营需求的多大200万家，而真正的算法相关人才不足10万。既然有这么大的人才缺口，那么学习和实践相关的机器学习算法就显得尤为重要。机器学习要如何入门并且实践呢？

机器学习的本质就是寻找最优模型，比如讲语音识别，就是将一段语音通过若干模型精准的转化为对应的文字，图像识别转化为识别结果，围棋程序转化为下一步走子，智能对话系统转化为对用户的回答。

而深度学习是机器学习的一个大分支，深度学习的概念源于对人工神经网络的研究，深度学习的基本结构（也即模型）是深度神经网络。

神经元（Neuron）

就像形成我们大脑基本元素的神经元一样，神经元形成神经网络的基本结构。想象一下，当我们得到新信息时我们该怎么做。当我们获取信息时，我们一般会处理它，然后生成一个输出。类似地，在神经网络的情况下，神经元接收输入，处理它并产生输出，而这个输出被发送到其他神经元用于进一步处理，或者作为最终输出进行输出。

递归神经网络（RNN）

递归神经网络（RNN），是两种人工神经网络的总称。一种是时间递归神经网络（recurrent neural network），另一种是结构递归神经网络（recursive neural network）。时间递归神经网络的神经元间连接构成有向图，而结构递归神经网络利用相似的神经网络结构递归构造更为复杂的深度网络。RNN一般指代时间递归神经网络，也叫循环神经网络。单纯递归神经网络因为无法处理随着递归，梯度爆炸或消失的问题，难以捕捉长期时间关联；而LSTM（长短期记忆神经网络，Long-Short Term Memory）可以很好地解决这个问题。

初步学完了上面提到的内容，可以算是入门了，但是如果要在毕业后从事深度学习方向的职业，是需要更多其他方面的积累的，到底掌握什么技能才是企业真真正正需要的？在大型企业中，算法的研发流程又是怎么样的？