計算機領域的方向非常廣泛，涵蓋了各種技術和應用領域。從硬件到軟件，從網絡到人工智能，計算機技術的發展已經觸及到幾乎所有行業。
在這龐大的領域中，深度學習僅僅是其中一個相對狹窄而又備受關注的方向。
當然，這樣的領域也不是區區高中計算機競賽就能夠涉及的。
就算提及，那也隻是泛泛而談。
深度學習，作為人工智能領域的一個分支，它著眼於模擬人腦神經網絡的工作原理，以實現機器對數據進行學習和自主決策的能力——光是聽聽，就會覺得可怕了。
而一旦真學起來？
隻會覺得更可怕。
包括但不限於掌握‘線性代數’、‘微積分’、‘概率統計’等數學基礎；‘矩陣複雜運算’、‘梯度下降優化算法’等數學工具；‘數據庫、分布式計算’等數據提取方式；‘計算機視覺’、‘自然語言’等領域算法技術；‘TensorFlow’、‘PyTorch’等深度學習框架；能夠有效地搭建、訓練調優神經網絡模型技術……
此外，要想自己的深度學習模型訓練速度和效果優於他人，還得對硬件加速技術（如GPU、TPU）有所深入。
可以說，它對學習能力的要求已經超過了喬英子、甚至是池遠之前參加的競賽總和了。
第一難就是理論學習。
以上提及技術都是從理論開始的。
好在他有天賦【數學大腦】，而且熟練度已經達到了‘精通’的程度。
如果說，此前這一天賦帶給池遠最直觀的提升就是將大腦訓練成了一台計算機，而隨著熟練度的提升和對於夢境中跟著各類大腦的學習，池遠卻越發感覺自己的思維方式都染上了別人的顏色。
或者說，鍛煉出了一種數學家思維。
諸如什麼黎曼曲率張量、複流形和複變換群、泛函分析和算子理論等難點，他學起來卻像是水一樣順滑。
具體起來很怪，隻要看了定義和性質，他的大腦就能自行將其分解成更為基礎的數學概念，隨後……一步步深入、舉一反三，就像是提出這一知識的數學家自己來重學一樣。
而第一難過去了，還有第二難——尋找漏洞，提出優化策略。
這就需要大量的項目經驗累積了，起碼也要入職996工作半年以上，才敢談經驗。
池遠入職僅僅一周，距離半年太過遙遠，所以，池遠選擇‘007’工作製，連5小時的夢鄉也不放過自己。
當然，他也沒有放過英子。
《基於聚類（Cluster）算法\/累積差檢測算法ADDA\/零模版算法ZTA用於SSME故障檢測的三種模式識別方法比較》
《基於CLIPS專家係統工具開發的故障診斷專家係統》
《……》
喬英子看著電腦那頭接連不斷傳輸過來的文檔，像是在刷屏一樣，她終於忍不住了：
“你知道你發的這些都是什麼嗎！”
池遠湊過腦袋，貼心地一個個介紹道：
“知道啊。第一個由聯合技術研究中心UTRC開發的算法，這兩個是由LeRC研製的，後麵這個就牛批了，是劉冰大佬——”