给深度学习工具新手的一封信

企业需要充分利用已有的大量非结构化数据,而深度学习应用程序无疑是帮助企业完成数据分析等工作的好帮手。

在Twitter公司,Hugo LaRochelle的工作是研究社交网络用户彼此联系的方式,以及想要对内容(包括微博、图片和视频)进行分类和推广,哪些东西会引起他们的兴趣。为了顺利完成这一任务,他和他的同事们使用了一种新兴技术:深度学习工具。

LaRochelle分享了在波士顿“深度学习峰会”上发表的演讲。深度学习属于机器学习的范畴,可以解决一些复杂的问题,如用自然语言解释图像或文本。当数据分析应用程序涉及非结构化数据或需要主观解释时,深度学习技术(很大程度上依赖于神经网络的使用)比传统的机器学习更加有效。

深度学习正迅速成为高级数据分析领域的一个热门话题。LaRochelle表示,在过去的五年里,研究人员和企业分析小组一直在努力寻找分析非结构化文本、图像和视频数据的有力工具,而深度学习技术在此期间也取得了显著的进步。

强大的开源工具的可用性是另一个关键的催化剂。LaRochelle说,他的团队采用的是谷歌的Tensorflow和Torch,这些开源的机器学习平台是由Facebook、谷歌和Twitter的研究人员开发的。这些工具使得数据科学家和其他分析师建立深度学习应用的过程更加简单。

“所有这些因素结合在一起,使得深度学习获得巨大的成功,”LaRochelle补充道。

大数据在深度学习中意义重大
除了组织存储的数据类型的不同,数据的绝对量是促进深度学习工具和技术发展的一个关键因素。Affectiva的首席科学家和研究部总监Daniel McDuff表示,新兴公司积累了足够的数据后,技术才能更好地发挥作用。

Affectiva的前身是麻省理工学院媒体实验室在2009年推出的一个研究项目。最初,该公司的研究人员试图用一对夫妇的视频“训练”面部识别软件,用该软件解释实验者的情绪状态。多年来,Affectiva为数以百万计的人像镜头建立了视频库。现在,McDuff的机器学习算法能够更加准确地评估人的情绪。

“过去,可用的数据量不可能用来训练这些模型,”他说。但现在,该公司的研究小组有一个“丰富的信息来源”,这大大提高了其分析模型的准确性。

深度学习业务案例
虽然很多深度学习项目仍处于研究阶段,但应用该技术解决传统商业问题的案例越来越多。基于深度学习软件已经逐渐渗透到日常生活中。

例如,现在许多人很愿意在手机上和虚拟的私人助理交谈;医生在病人护理中使用计算机辅助决策系统;自驾汽车可选择的道路越来越多。很快,各种类型的企业客户期待同样无缝的用户体验。

企业可以充分利用深度学习工具。例如,以更自然的方式实现自动化客户的互动是最典型的技术应用。但分析团队需要做更多的功课,真正了解企业应该如何使用深度学习工具。

世界在改变,技术在进步,人们需要更了解这项技术背后的故事,而不是盲目地逃避和恐惧。
本文转自d1net(转载)

时间: 2024-10-24 07:22:26

给深度学习工具新手的一封信的相关文章

画工太渣没关系,这款深度学习工具拯救你

多年以来,Adobe 领先的图像处理技术已经为该公司在这个行业奠定了牢固的创新和影响力地位.不过随着近年来竞争对手的增多,为了继续保持这一领先地位,Adobe 已经做好了全力以赴的准备. 据国外媒体The Next Web 报道,近日,Adobe 与伯克利大学的研究人员联手,开发了一款全新的智能图像编辑软件.该软件名为 iGAN,使用深度学习技术,以帮助用户更加逼真地实时编辑图像.结果让人大吃一惊. 研究人员通过实验发现了把使用者寥寥几笔的简笔画转化成照片般逼真的图像的方法.这款深度学习工具会受

索尼免费开放其深度学习工具”核心库”

文章讲的是索尼免费开放其深度学习工具"核心库",近日,索尼公司今日宣布其"神经网络库"(Neural Network Libraries)现以开放源代码的形式供公众使用,该库可作为开发人工智能深度学习程序的框架.软件工程师和设计师现在能充分利用这些免费的核心库,用于研发深度学习程序并将其融入到产品或服务中.转为开放源代码也是为了让研发队伍能在现有核心库程序的基础上更进一步. 深度学习是指一种使用模拟人脑的神经网络的机器学习形式.通过转向基于深度学习的机器学习,过去几

谷歌之后,亚马逊开源深度学习工具 DSSTNE

五个月以前,谷歌将自己的深度学习系统 TensorFlow开源. 而如今,亚马逊也决定,跟随谷歌的脚步将自己的深度学习软件开源.目前,你可以在 Github 上看到相关的源代码,项目名为 DSSTNE(读作 destiny). 亚马逊在开源项目下面的留言问答中解释了它们开源的动机:"把 DSSTNE 开源,人类对于深度学习的研究将不止于语言理解及视觉识别,智能搜索和推荐将得到更广泛的研究和讨论.我们希望和世界上的顶级研究者们合作,一起提升这方 面的研究进程.但最重要的是,我们希望这方面的研究思路

横向对比七大深度学习框架

文章讲的是横向对比七大深度学习框架,在深度学习项目开始前,选择一个合适的框架是非常重要的事情.最近,来自数据科学公司 Silicon Valley Data Science 的数据工程师 Matt Rubashkin(UC Berkeley 博士)为我们带来了深度学习 7 种流行框架的深度横向对比,希望本文能对你带来帮助. 在 SVDS,我们的研发团队一直在研究不同的深度学习技术;从识别图像到语音,我们也在各类框架下实现了不少应用.在这个过程中,我们意识到需要一个简明的方式来获取数据.创建模型.

Python Ubuntu虚拟机深度学习入门

更多深度文章,请关注云计算频道:https://yq.aliyun.com/cloud 当你打算开始学习深度学习+Python时,我强烈建议你使用Linux环境.因为深度学习工具可以更轻松地在Linux上进行配置和安装,从而可以快速开发和运行神经网络. 当然,配置你自己的深度学习+ Python + Linux开发环境可能是相当麻烦的任务, 特别是如果你的Linux是新手入门,使用命令行/终端,或手动编译和安装软件包时可能是非常困难的. 为了帮助你开始深度学习+ Python的学习,我已经创建了

从TensorFlow到Theano:横向对比七大深度学习框架

在深度学习项目开始前,选择一个合适的框架是非常重要的事情.最近,来自数据科学公司 Silicon Valley Data Science 的数据工程师 Matt Rubashkin(UC Berkeley 博士)为我们带来了深度学习 7 种流行框架的深度横向对比,希望本文能对你带来帮助. 在 SVDS,我们的研发团队一直在研究不同的深度学习技术;从识别图像到语音,我们也在各类框架下实现了不少应用.在这个过程中,我们意识到需要一个简明的方式来获取数据.创建模型.同时评估这些模型的表现.但当我们一次

深度学习在 iOS 上的实践 —— 通过 YOLO 在 iOS 上实现实时物体检测

本文讲的是深度学习在 iOS 上的实践 -- 通过 YOLO 在 iOS 上实现实时物体检测, 原文地址:Real-time object detection with YOLO 原文作者:Matthijs Hollemans 译文出自:掘金翻译计划 译者:Danny Lau 校对者:Dalston Xu ,DeepMissea 深度学习在 iOS 上的实践 -- 通过 YOLO 在 iOS 上实现实时物体检测 译者注: 在阅读这篇文章之前可能会遇到的一些名词,这里是解释(我自己也查了相当多的资

深度学习的这些坑你都遇到过吗?神经网络 11 大常见陷阱及应对方法

如果你的神经网络不工作,该怎么办?本文作者列举了搭建神经网络时可能遇到的11个常见问题,包括预处理数据.正则化.学习率.激活函数.网络权重设置等,并提供解决方法和原因解释,是深度学习实践的有用资料. 如果你的神经网络不工作,该怎么办?作者在这里列出了建神经网络时所有可能做错的事情,以及他自己的解决经验. 忘记规范化数据 忘记检查结果 忘记预处理数据 忘记使用正则化 使用的batch太大 使用了不正确的学习率 在最后层使用了错误的激活函数 你的网络包含了Bad Gradients 初始化网络权重不

GitHub 上 57 款最流行的开源深度学习项目

GitHub 上 57 款最流行的开源深度学习项目 本文整理了 GitHub 上最流行的 57 款深度学习项目(按 stars 排名).最后更新:2016.08.09 1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统,按照谷歌所说,在某些基准测试中,TensorFlow 的表现比第一代的 DistBelief 快了2倍. TensorFlow 内建深度学习的扩展支持,任何能够用计算流图形来表达的计算,都可以使用 TensorFlow.