時間原因，本想好好整理章節，後續跟進下去，但目前情況不允許，先到這裡。
簡單**下商業應用方式：
可以配合雲計算引擎（如hadoop、spark、我自己寫了乙個c#版的分布式計算引擎-基於記憶體的，比spark早2年） 。
在文字資訊挖掘、影象檢索（痕跡、醫學影像、日常**等）應用會比較廣泛，因為是不斷學習的過程，因此，肯定比傳統識別演算法更具優勢。
領域方面大家自己開拓吧，說的多可能會有麻煩。首先是老師的問題，好老師才能教出好學生，前提是你手邊必須要有很寶貴的資料。而且以後有價值資料（指的是可以教機器的資料）會越來越值錢。
其次，以影象舉例，樣例中是需要提取二值圖的，影象往往有噪點、陰影等等，怎麼去掉？方法有三種：
1、 人工畫、人來糾正
2、 自動分割，這需要傳統演算法結合了。
3、 乾脆不干預，機器慢慢學，無師自通（非監督學習）
待續…
深度學習與AI 思維簡單課程思考5
本次的思考筆記也是這一系列的最後篇了 本次主要是簡述當下較火的自動問答系統的基本結構和關鍵技術並且我會談談我認為的國家 社會和個人應該如何應對人工智慧的快速發展和變化。前段是互動介面，後端是問答引擎和知識工程。關鍵技術 先看下智慧型問答系統的技術路線 1 將積累的無序語料資訊，進行有序和科學的整理 ...
Python 學習之四 一些有用的內部函式
判斷object的型別是否為classinfo.a a string b 1 2 c isinstance a,basestring true isinstance b,tuple true isinstance c,dict true 顯示object的所有屬性,當無引數時,顯示當前命名空間的所有...
關於機器學習的一些思考 周志華
2 目前深度模型就是深度神經網路，更確切地說，是由多層引數化可微的非線性模組搭建起來的模型，而他本身能夠用bp演算法 backpropagation 去訓練。3 能不能基於不可微構件進行深度學習？4 新的模型 深度森林 不是基於神經網路的模型，它的基本構件是決策樹，本身是不可微的，所以不能用bp訓練...