计算机领域的方向非常广泛，涵盖了各种技术和应用领域。从硬件到软件，从网络到人工智能，计算机技术的发展已经触及到几乎所有行业。
在这庞大的领域中，深度学习仅仅是其中一个相对狭窄而又备受关注的方向。
当然，这样的领域也不是区区高中计算机竞赛就能够涉及的。
就算提及，那也只是泛泛而谈。
深度学习，作为人工智能领域的一个分支，它着眼于模拟人脑神经网络的工作原理，以实现机器对数据进行学习和自主决策的能力——光是听听，就会觉得可怕了。
而一旦真学起来？
只会觉得更可怕。
包括但不限于掌握‘线性代数’、‘微积分’、‘概率统计’等数学基础；‘矩阵复杂运算’、‘梯度下降优化算法’等数学工具；‘数据库、分布式计算’等数据提取方式；‘计算机视觉’、‘自然语言’等领域算法技术；‘TensorFlow’、‘PyTorch’等深度学习框架；能够有效地搭建、训练调优神经网络模型技术……
此外，要想自己的深度学习模型训练速度和效果优于他人，还得对硬件加速技术（如GPU、TPU）有所深入。
可以说，它对学习能力的要求已经超过了乔英子、甚至是池远之前参加的竞赛总和了。
第一难就是理论学习。
以上提及技术都是从理论开始的。
好在他有天赋【数学大脑】，而且熟练度已经达到了‘精通’的程度。
如果说，此前这一天赋带给池远最直观的提升就是将大脑训练成了一台计算机，而随着熟练度的提升和对于梦境中跟着各类大脑的学习，池远却越发感觉自己的思维方式都染上了别人的颜色。
或者说，锻炼出了一种数学家思维。
诸如什么黎曼曲率张量、复流形和复变换群、泛函分析和算子理论等难点，他学起来却像是水一样顺滑。
具体起来很怪，只要看了定义和性质，他的大脑就能自行将其分解成更为基础的数学概念，随后……一步步深入、举一反三，就像是提出这一知识的数学家自己来重学一样。
而第一难过去了，还有第二难——寻找漏洞，提出优化策略。
这就需要大量的项目经验累积了，起码也要入职996工作半年以上，才敢谈经验。
池远入职仅仅一周，距离半年太过遥远，所以，池远选择‘007’工作制，连5小时的梦乡也不放过自己。
当然，他也没有放过英子。
《基于聚类（Cluster）算法/累积差检测算法ADDA/零模版算法ZTA用于SSME故障检测的三种模式识别方法比较》
《基于CLIPS专家系统工具开发的故障诊断专家系统》
《……》
乔英子看着电脑那头接连不断传输过来的文档，像是在刷屏一样，她终于忍不住了：
“你知道你发的这些都是什么吗！”
池远凑过脑袋，贴心地一个个介绍道：
“知道啊。第一个由联合技术研究中心UTRC开发的算法，这两个是由LeRC研制的，后面这个就牛批了，是刘冰大佬——”
“停！”
英子赶紧打断，她没想到池远找论文不是单纯地找……
也是，以他的性子，看到不懂的，哪里能忍住不去学、不去钻？！
但问题是！