給深度學習工具新手的一封信

企業需要充分利用已有的大量非結構化資料，而深度學習應用程式無疑是幫助企業完成資料分析等工作的好幫手。

larochelle分享了在波士頓「深度學習峰會」上發表的演講。深度學習屬於機器學習的範疇，可以解決一些複雜的問題，如用自然語言解釋影象或文字。當資料分析應用程式涉及非結構化資料或需要主觀解釋時，深度學習技術（很大程度上依賴於神經網路的使用）比傳統的機器學習更加有效。

強大的開源工具的可用性是另乙個關鍵的催化劑。larochelle說，他的團隊採用的是谷歌的tensorflow和torch，這些開源的機器學習平台是由facebook、谷歌和twitter的研究人員開發的。這些工具使得資料科學家和其他分析師建立深度學習應用的過程更加簡單。

「所有這些因素結合在一起，使得深度學習獲得巨大的成功，」larochelle補充道。

大資料在深度學習中意義重大

除了組織儲存的資料型別的不同，資料的絕對量是促進深度學習工具和技術發展的乙個關鍵因素。affectiva的首席科學家和研究部總監daniel mcduff表示，新興公司積累了足夠的資料後，技術才能更好地發揮作用。

「過去，可用的資料量不可能用來訓練這些模型，」他說。但現在，該公司的研究小組有乙個「豐富的資訊**」，這大大提高了其分析模型的準確性。

深度學習業務案例

雖然很多深度學習專案仍處於研究階段，但應用該技術解決傳統商業問題的案例越來越多。基於深度學習軟體已經逐漸滲透到日常生活中。

例如，現在許多人很願意在手機上和虛擬的私人助理交談；醫生在病人護理中使用計算機輔助決策系統；自駕汽車可選擇的道路越來越多。很快，各種型別的企業客戶期待同樣無縫的使用者體驗。

企業可以充分利用深度學習工具。例如，以更自然的方式實現自動化客戶的互動是最典型的技術應用。但分析團隊需要做更多的功課，真正了解企業應該如何使用深度學習工具。