導(dǎo)讀：深度學(xué)習(xí)，也稱“階層學(xué)習(xí)”或“分層學(xué)習(xí)”，是基于學(xué)習(xí)數(shù)據(jù)表征的更廣泛的機(jī)器學(xué)習(xí)方法系列的一部分，而不是基于特定任務(wù)的算法。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。

?

深度學(xué)習(xí)的優(yōu)勢是用非監(jiān)督式或半監(jiān)督式的特征學(xué)習(xí)和分層特征提取高效算法來替代手工獲取特征。其中深度指的是網(wǎng)絡(luò)中最長的輸入輸出距離。

?

本文回顧深度學(xué)習(xí)發(fā)展過程中的重大事件，并介紹近年來各領(lǐng)域的發(fā)展概況。

?

作者：王健宗 瞿曉陽

來源：大數(shù)據(jù)DT（ID：bigdatadt）

?

?

?

01 深度學(xué)習(xí)的崛起之路

?

1. 人臉識別的起源

?

2012年，Alex Krizhevsky等人提出了AlexNet網(wǎng)絡(luò)結(jié)構(gòu)模型，以一種結(jié)構(gòu)上輕巧簡單但計(jì)算量上遠(yuǎn)超傳統(tǒng)模型的方式輕易戰(zhàn)勝了傳統(tǒng)的機(jī)器學(xué)習(xí)模型，并憑借它在ImageNet圖像分類挑戰(zhàn)賽上贏得了冠軍。

?

自此，在圖像領(lǐng)域點(diǎn)燃了深度學(xué)習(xí)的熱潮，無數(shù)公司與學(xué)者紛紛轉(zhuǎn)向該領(lǐng)域，并在短短幾年內(nèi)就取得了大量的突破性進(jìn)展，其中包括何凱明等人提出的殘差神經(jīng)網(wǎng)絡(luò)、谷歌提出的GoogLeNet等。這些新的研究成果使得人臉識別等過去不可能實(shí)現(xiàn)的場景擁有了落地的可能。

?

?

2. 自動駕駛的福音

?

巧合的是，同樣在2012年，圖像分割領(lǐng)域也通過深度學(xué)習(xí)的應(yīng)用取得了歷史性突破，那就是全卷積網(wǎng)絡(luò)（FCN）的出現(xiàn)。在另一個(gè)圖像領(lǐng)域的著名圖像分割任務(wù)數(shù)據(jù)集VOC上，FCN刷新了該數(shù)據(jù)集的最優(yōu)指標(biāo)，引爆了深度學(xué)習(xí)在圖像分割領(lǐng)域的應(yīng)用。

?

圖像分類與圖像分割的突破帶來了另一個(gè)行業(yè)的突破，那就是自動駕駛。早在2009年，谷歌就已經(jīng)成立了負(fù)責(zé)自動駕駛業(yè)務(wù)的子公司W(wǎng)aymo，也是目前自動駕駛的巨頭之一，其估值頂峰達(dá)到了1700多億美元，可見自動駕駛行業(yè)在投資人心中的分量。

?

在國外，除谷歌外，特斯拉、蘋果公司等科技巨頭，奧迪、德爾福、通用汽車等汽車行業(yè)巨頭，Uber、Lyft等網(wǎng)約車領(lǐng)域巨頭也都在做自動駕駛研究。在國內(nèi)，百度、Momenta、Pony.ai、地平線、馭勢科技、圖森未來等公司也在這一領(lǐng)域不斷發(fā)力。

?

在深度學(xué)習(xí)出現(xiàn)之前，自動駕駛的水平主要停留在基于毫米波雷達(dá)及其他傳感器的低階水平，這個(gè)水平的自動駕駛是不可能真正解放司機(jī)注意力的；深度學(xué)習(xí)的出現(xiàn)帶來了圖像識別與圖像語義分割理解的突破，讓人們看到了實(shí)現(xiàn)L5級別完全自動駕駛的希望，也由此引起了自動駕駛行業(yè)的爆發(fā)。

?

?

3. 超越人類的AI智能體

?

2016年發(fā)生了另一起點(diǎn)燃深度學(xué)習(xí)浪潮的事件，那就是谷歌DeepMind研發(fā)的AI圍棋手AlphaGo異軍突起。

?

• 2016年3月，AlphaGo與圍棋世界冠軍、職業(yè)九段棋手李世石進(jìn)行圍棋人機(jī)大戰(zhàn)，以4:1的總比分獲勝；

• 2016年年末至2017年年初，該程序以Master為注冊名與中日韓數(shù)十位圍棋高手進(jìn)行快棋對決，連續(xù)60局無一敗績，被稱為Alpha Master；

• 2017年5月，在中國烏鎮(zhèn)圍棋峰會上，它與當(dāng)時(shí)排名世界第一的世界圍棋冠軍柯潔對戰(zhàn)，以3:0的總比分獲勝。

?

圍棋界公認(rèn)AlphaGo的棋力已經(jīng)超過人類職業(yè)圍棋頂尖水平，在GoRatings網(wǎng)站公布的世界職業(yè)圍棋排名中，其等級分曾超過排名人類第一的棋手柯潔。

?

AlphaGo的出現(xiàn)讓人們進(jìn)一步意識到了深度學(xué)習(xí)的無限可能。2019年3月，ACM正式宣布將2018年圖靈獎授予Yoshua Bengio、Geoffrey Hinton和Yann LeCun，以表彰他們提出的概念和工作使得深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)有了重大突破。這也使得人們對深度學(xué)習(xí)的熱情進(jìn)一步發(fā)酵，讓更多的研究開始往這個(gè)領(lǐng)域傾斜與投入。

?

?

4. 懂你的AI

?

近幾年，深度學(xué)習(xí)領(lǐng)域的熱門研究主要集中在以下幾個(gè)方向：生成對抗網(wǎng)絡(luò)、遷移學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、聯(lián)邦學(xué)習(xí)以及AutoML。

?

其中，在算法方面，谷歌提出的注意力機(jī)制以及基于該思想衍生出的BERT模型大幅刷新了自然理解領(lǐng)域所有數(shù)據(jù)集的評價(jià)指標(biāo)，業(yè)內(nèi)對此做出這樣的評價(jià)：“自然語言處理是未來深度學(xué)習(xí)領(lǐng)域皇冠上的明珠。”

?

基于底層語言理解模型的突破，讓機(jī)器翻譯、人機(jī)對話、文本分析、AI音樂、AI寫作等許多過去不可想象的任務(wù)都成為可能。

?

5. 奔跑、飛行以及玩游戲的AI

?

讓機(jī)器為人類服務(wù)是人類一直以來的美好夢想，隨著深度學(xué)習(xí)的發(fā)展，這個(gè)夢想正在逐漸實(shí)現(xiàn)。過去為了要讓機(jī)器具有智能，需要人為賦予其大量的邏輯判斷命令；而如今伴隨著圖像技術(shù)的成熟以及深度強(qiáng)化學(xué)習(xí)的應(yīng)用，機(jī)器人在路上飛速奔跑、識別并跨越障礙物，乃至花式跳舞都已經(jīng)成為現(xiàn)實(shí)。

?

除此之外，AI機(jī)器人還能夠與玩家聯(lián)機(jī)對戰(zhàn)《星際爭霸》，并且一般的職業(yè)選手都沒法戰(zhàn)勝它。另一個(gè)值得關(guān)注的是京東正在打造的無人送貨機(jī)，它能夠自動規(guī)劃路線、躲避障礙、識別目標(biāo)客戶并完成貨物投遞，是非常值得期待的一項(xiàng)新型服務(wù)。

?

?

6. 人人都可以創(chuàng)造屬于自己的AI

?

以上的種種發(fā)展都證明了，AI是這個(gè)時(shí)代不可阻擋的一個(gè)趨勢。然而就當(dāng)下而言，由于AI是一個(gè)較為新潮的事物，實(shí)現(xiàn)起來的技術(shù)難度較大，因此在各行各業(yè)的普及難度也較大，但是能夠讓AI開花結(jié)果的正是非IT領(lǐng)域的各行各業(yè)。

?

另外，目前擁抱AI的都是主流的大公司或者科技含量較高的創(chuàng)業(yè)公司，而傳統(tǒng)的行業(yè)則缺乏相應(yīng)的資源及人才。為了普及人工智能，降級人工智能的門檻，并且方便人工智能的開發(fā)，實(shí)現(xiàn)人人都會人工智能，自動化機(jī)器學(xué)習(xí)（AutoML）這個(gè)概念應(yīng)運(yùn)而生。

?

AutoML是一個(gè)自動模型學(xué)習(xí)的平臺，其核心思想是自動化創(chuàng)造AI模型，把中間的復(fù)雜流程與煩瑣的步驟都交給機(jī)器來自動完成，使用者只要指定輸入的數(shù)據(jù)和任務(wù)類型即可。

?

當(dāng)前許多企業(yè)通過這種技術(shù)自動化生成了許多優(yōu)秀的模型，例如小米公司通過神經(jīng)架構(gòu)搜索技術(shù)得到了最優(yōu)的圖像超分辨率模型，用于在手機(jī)端提升圖像質(zhì)量。除此之外，微軟、亞馬遜、谷歌、Salesforce等公司也都為顧客提供了類似的平臺，使得對AI不那么熟悉的人也可以方便地應(yīng)用AI技術(shù)并使其在自己的行業(yè)內(nèi)落地。

?

?

?

02 深度學(xué)習(xí)的發(fā)展

?

隨著深度學(xué)習(xí)的應(yīng)用越來越廣泛，3個(gè)成熟的研究領(lǐng)域逐漸形成，分別是計(jì)算機(jī)視覺、自然語言處理以及語音領(lǐng)域，目前AI創(chuàng)業(yè)公司也主要集中在這些領(lǐng)域。下面我們就重點(diǎn)展開來介紹這3大應(yīng)用領(lǐng)域。

?

1. 計(jì)算機(jī)視覺

?

計(jì)算機(jī)視覺（Computer Vision，CV），顧名思義就是計(jì)算機(jī)擁有像人類一樣“看”的能力。在這里“看”的具體含義是指：不僅要將當(dāng)前的圖像輸入到計(jì)算機(jī)中，計(jì)算機(jī)還應(yīng)該具有智力，可以根據(jù)要求針對當(dāng)前圖像輸出一定的分析結(jié)果。

?

這個(gè)過程可以定義為幾個(gè)核心任務(wù)：目標(biāo)分類、目標(biāo)檢測、目標(biāo)分割以及目標(biāo)跟蹤。

?

• 目標(biāo)分類（Target Classification）

?

就是基于分類任務(wù)的目標(biāo)識別問題，即計(jì)算機(jī)根據(jù)給定的數(shù)據(jù)，找出這些數(shù)據(jù)中哪些是所需的目標(biāo)。例如，貓狗分類問題或者花草分類問題。

?

這也是深度學(xué)習(xí)領(lǐng)域中最簡單的一類任務(wù)，根據(jù)最后的分類函數(shù)可以將此任務(wù)分為二分類問題和多分類問題。目標(biāo)分類任務(wù)是其他任務(wù)的基礎(chǔ)，也是很多初學(xué)者的入門級任務(wù)。

?

• 目標(biāo)檢測（Target Detection）

?

可以看成是分類和回歸問題的統(tǒng)一。該任務(wù)不僅要判斷當(dāng)前圖像的所屬類別，還要通過包圍框（bounding box）標(biāo)出圖像中目標(biāo)的具體位置。

?

目標(biāo)檢測問題由來已久，基于深度學(xué)習(xí)的發(fā)展從2013年R-CNN算法的提出開始，不斷演變出了一系列多步檢測網(wǎng)絡(luò)。之后很多研究學(xué)者對網(wǎng)絡(luò)進(jìn)行了改進(jìn)，提出了單步檢測，將分類、定位、檢測功能都集成在一個(gè)網(wǎng)絡(luò)中，如Yolo、SSD等。目標(biāo)檢測任務(wù)的應(yīng)用十分廣泛，經(jīng)常應(yīng)用于電力系統(tǒng)檢測、醫(yī)療影像檢測等。

?

目標(biāo)檢測任務(wù)根據(jù)問題的復(fù)雜性，衍生出了人臉檢測問題。與傳統(tǒng)目標(biāo)檢測問題不同的是，人臉檢測需要實(shí)現(xiàn)人臉關(guān)鍵點(diǎn)的定位和檢測，現(xiàn)在移動設(shè)備中應(yīng)用比較廣泛的人臉識別系統(tǒng)就是基于這一任務(wù)研究而來。

?

?

• 目標(biāo)分割（Target Segmentation）

?

就是將一張圖像中的特定目標(biāo)的區(qū)域分割出來。在深度學(xué)習(xí)領(lǐng)域中，目標(biāo)分割的研究方向主要分為兩類：語義分割和實(shí)例分割。

?

所謂語義分割就是針對圖像中的每個(gè)像素點(diǎn)進(jìn)行分類，即判斷圖像中哪些像素屬于哪個(gè)目標(biāo)。

?

而實(shí)例分割是語義分割的進(jìn)階版，它不僅要判斷哪些像素屬于目標(biāo)，而且要判斷哪些像素屬于第一個(gè)目標(biāo)，哪些像素屬于第二個(gè)目標(biāo)，目前在醫(yī)療影像項(xiàng)目中的關(guān)鍵就是對人體器官的分割。常見的圖像目標(biāo)分割網(wǎng)絡(luò)有FCN和U-Net，其中，U-Net常用于醫(yī)療圖像分割。

?

• 目標(biāo)跟蹤（Target Tracking）

?

是一個(gè)基于時(shí)間序列的目標(biāo)定位問題，通常是基于視頻數(shù)據(jù)的任務(wù)，常用于智能監(jiān)控系統(tǒng)、嫌疑犯追逃等。首先是在第一幀圖像中鎖定目標(biāo)，在之后的時(shí)序數(shù)據(jù)中，不斷地對目標(biāo)進(jìn)行重定位。

?

這是一個(gè)非常復(fù)雜的問題，需要用到目標(biāo)檢測和分割任務(wù)，而且根據(jù)時(shí)序相關(guān)性進(jìn)行有效建模，可以減少定位過程中的計(jì)算量，提高追蹤效率。

?

我們介紹了這么多計(jì)算機(jī)視覺的定義及任務(wù)，那么它與圖像處理有什么異同呢？

?

嚴(yán)格來講，圖像處理是一種數(shù)字信號處理，它不涉及對圖像內(nèi)容的理解，一般是通過數(shù)學(xué)函數(shù)等對圖像進(jìn)行變換或增強(qiáng)，如歸一化圖像、圖像預(yù)處理、消除圖像噪聲等；而計(jì)算機(jī)視覺是使用計(jì)算機(jī)模擬人類視覺，該模擬過程包括學(xué)習(xí)以及推理能力。

?

計(jì)算機(jī)視覺離不開圖像處理操作，因此可以將圖像處理看成計(jì)算機(jī)視覺的一個(gè)子集，當(dāng)目標(biāo)是對圖像進(jìn)行增強(qiáng)時(shí)，可以稱為圖像處理，當(dāng)目標(biāo)是檢測和分割等時(shí)，則稱為計(jì)算機(jī)視覺。

?

計(jì)算機(jī)視覺任務(wù)看似容易，但也存在很多潛在的挑戰(zhàn)。因?yàn)槲覀內(nèi)搜勖刻炜吹降木跋笫清e(cuò)綜復(fù)雜的，我們的視覺和大腦的判別是同步進(jìn)行的，但對于計(jì)算機(jī)而言，雖然經(jīng)過了很多學(xué)者的研究，其仍無法達(dá)到人類視覺的能力。

?

而且，感官世界極其復(fù)雜，任何光照條件或者遮擋都可能會造成計(jì)算機(jī)識別任務(wù)的失敗。因此，計(jì)算機(jī)視覺仍然有很長的一段路要走。

?

?

2. 自然語言處理

?

如果說計(jì)算機(jī)視覺是模擬人類“看”的能力，那么自然語言處理（Natural Language Processing，NLP）就是模擬人類的“語言”能力，這里的“語言”是指說話和寫作能力。站在專業(yè)的角度來講，NLP就是以一種智能高效的方式對人類創(chuàng)造的文本數(shù)據(jù)進(jìn)行系統(tǒng)地分析、理解和提取信息的過程。

?

NLP的研究任務(wù)很廣泛，在本書中我們將它分為5大類：詞法分析、句子分析、語義分析、信息抽取和頂層任務(wù)。

?

• 詞法分析就是以詞為單位對數(shù)據(jù)進(jìn)行分析，這是NLP中最基本的工作。常見的詞性標(biāo)注和拼寫校正任務(wù)就屬于詞法分析。

• 句子分析就是以句子為單位的分析任務(wù)。

• 語義分析就是通過對文本數(shù)據(jù)的分析，生成對應(yīng)文本數(shù)據(jù)的語義信息的形式化表示，常見任務(wù)有詞義消歧等。

• 信息抽取是NLP任務(wù)中應(yīng)用最廣泛的一個(gè)，簡單理解就是從非結(jié)構(gòu)化的文本數(shù)據(jù)中抽取出用戶所需的結(jié)構(gòu)化信息。常見任務(wù)有命名實(shí)體消除、情感分析、實(shí)體消歧等。

• 頂層任務(wù)就是直接面向用戶的任務(wù)，比如機(jī)器翻譯或文本摘要，它需要多種任務(wù)結(jié)合生成對應(yīng)的可以直接讀取的輸出結(jié)果。另外頂級任務(wù)還包括對話系統(tǒng)、閱讀理解等。

?

NLP機(jī)制涉及兩個(gè)流程：自然語言理解和自然語言生成。我們都知道文本數(shù)據(jù)是非結(jié)構(gòu)化語言，而計(jì)算機(jī)擅長處理的是結(jié)構(gòu)化數(shù)據(jù)。所以在NLP機(jī)制中，計(jì)算機(jī)首先需要從非結(jié)構(gòu)化數(shù)據(jù)中進(jìn)行讀取，轉(zhuǎn)化成結(jié)構(gòu)化數(shù)據(jù)，通過語法知識和規(guī)則進(jìn)行理解，然后將結(jié)構(gòu)化數(shù)據(jù)進(jìn)行組合，生成通順的非結(jié)構(gòu)化文本。

?

NLP的應(yīng)用非常廣泛，比如微博的熱點(diǎn)推薦，就是通過用戶對應(yīng)的信息和經(jīng)常瀏覽的信息進(jìn)行情感分析，個(gè)性化推薦當(dāng)前熱點(diǎn)。另外郵件的垃圾分類、用戶體驗(yàn)反饋等也都是通過自然語言處理技術(shù)實(shí)現(xiàn)的。

?

?

3. 語音識別

?

我們的目標(biāo)不僅僅是讓計(jì)算機(jī)有“看”和“語言”的能力，還要讓計(jì)算機(jī)擁有“聽”和“說”的能力，因此還需要語音識別（Voice Recognition）。語音識別的目標(biāo)是將一段自然語言通過聲學(xué)信號的形式傳給計(jì)算機(jī)，由計(jì)算機(jī)理解并且做出回應(yīng)。

?

語音識別系統(tǒng)主要包含特征提取、聲學(xué)模型、語言模型、字典與解碼4大部分。

?

其中特征提取需要對采集的聲音信號進(jìn)行濾波、分幀等音頻預(yù)處理工作，目的是將要進(jìn)行分析的音頻信號合適地從原始信號中提取出來。

?

語音識別的過程可以概括如下：

?

• 根據(jù)特征提取將聲音信號從時(shí)域轉(zhuǎn)換到頻域，從而為聲學(xué)模型提供合適的特征向量；

• 再由聲學(xué)模型根據(jù)特征向量來判斷其屬于哪個(gè)聲學(xué)符號；

• 然后利用語言模型來判斷聲學(xué)符號可能屬于哪個(gè)詞組序列；

• 最后根據(jù)已有字典對詞組序列進(jìn)行解碼，從而得到最后的文本表示。

?

在人機(jī)交互的過程當(dāng)中，計(jì)算機(jī)除了能通過語音識別技術(shù)來“聽懂”人們對它說的話，還需要能夠?qū)⑽谋拘畔⒂萌藗兡苈牰姆绞奖磉_(dá)出來。在這樣的需求下，語音合成技術(shù)應(yīng)運(yùn)而生。語音合成技術(shù)能夠利用計(jì)算機(jī)等設(shè)備將文本信息轉(zhuǎn)換為人們能聽懂的音頻數(shù)據(jù)，再通過語音的方式播放出來。

?

聲紋識別是語音識別領(lǐng)域的又一個(gè)研究方向。與語音識別不同，聲紋識別屬于生物識別技術(shù)的一種，它根據(jù)語音波形中反映說話者生理和行為特征的語音參數(shù)，通過連接聲紋數(shù)據(jù)庫來鑒別人的身份。

?

因此，聲紋識別不注重語音信號的語義理解，而是從語音信號中提取個(gè)人聲紋特征，并從中找出能夠唯一辨別（聲紋識別的理論基礎(chǔ)是每一個(gè)聲音都有自己的特征，該特征能將不同人的聲音進(jìn)行有效地區(qū)分）說話者身份特征的信息。

?

語音識別有很廣闊的應(yīng)用場景和發(fā)展空間，如：

?

• 行車導(dǎo)航軟件通過語音合成技術(shù)為司機(jī)指引道路、播報(bào)路況，人們甚至可以選擇用自己喜歡的明星的聲音來播報(bào)軟件內(nèi)容；

• 智能家居系統(tǒng)利用語音合成技術(shù)能夠?qū)崿F(xiàn)與用戶的實(shí)時(shí)交流，人們可以從智能家居的“嘴”中得知家中的一些基本情況，大大提高了生活質(zhì)量；

• 在智能教學(xué)領(lǐng)域，學(xué)生能夠利用語音合成技術(shù)跟讀單詞、句子，語音輔導(dǎo)軟件的出現(xiàn)大大方便了教學(xué)過程，提高了教學(xué)質(zhì)量。

?

關(guān)于作者：王健宗，大型金融集團(tuán)科技公司深度學(xué)習(xí)平臺和AutoML平臺負(fù)責(zé)人，中國人工智能開源軟件發(fā)展聯(lián)盟副理事長，美國佛羅里達(dá)大學(xué)人工智能博士后，發(fā)表聯(lián)邦學(xué)習(xí)、深度學(xué)習(xí)、云計(jì)算和大數(shù)據(jù)等領(lǐng)域國際論文30余篇，以及發(fā)明專利200余項(xiàng)。

瞿曉陽 ，華中科技大學(xué)計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)博士，美國中佛羅里達(dá)大學(xué)訪問學(xué)者，大型金融集團(tuán)科技公司資深算法工程師，一直從事機(jī)器學(xué)習(xí)、大數(shù)據(jù)、體系結(jié)構(gòu)方面的研究工作，在AutoML平臺、面向AI的云原生架構(gòu)、高性能計(jì)算、高效能存儲系統(tǒng)等方面經(jīng)驗(yàn)豐富。

本文摘編自《深入理解AutoML和AutoDL：構(gòu)建自動化機(jī)器學(xué)習(xí)與深度學(xué)習(xí)平臺》，經(jīng)出版方授權(quán)發(fā)布。

?

延伸閱讀《深入理解AutoML和AutoDL》

點(diǎn)擊上圖了解及購買

轉(zhuǎn)載請聯(lián)系微信：DoctorData

?

推薦語：這是一部從基礎(chǔ)理論、核心原理、前沿算法等多個(gè)維度系統(tǒng)、全面講解AutoML、AutoDL、AutoNAS和元學(xué)習(xí)的著作。作者是資深的人工智能專家，大型金融集團(tuán)科技公司深度學(xué)習(xí)平臺和AutoML平臺負(fù)責(zé)人。本書得到了騰訊、阿里、字節(jié)跳動、微眾銀行、浙江大學(xué)、新智元等企業(yè)界、學(xué)術(shù)界、媒體界的8位資深專家聯(lián)袂推薦。

?

?

「大數(shù)據(jù)」內(nèi)容合伙人之「鑒書小分隊(duì)」上線啦！

?

最近，你都在讀什么書？有哪些心得體會想要跟大家分享？

?

數(shù)據(jù)叔最近搞了個(gè)大事——聯(lián)合優(yōu)質(zhì)圖書出版商機(jī)械工業(yè)出版社華章公司發(fā)起鑒書活動。

?

簡單說就是：你可以免費(fèi)讀新書，你可以免費(fèi)讀新書的同時(shí)，順手碼一篇讀書筆記就行。詳情請?jiān)诖髷?shù)據(jù)公眾號后臺對話框回復(fù)合伙人查看。

?

?

有話要說?

?

Q:?你期待深度學(xué)習(xí)的哪些應(yīng)用？

歡迎留言與大家分享

?

猜你想看?

?

• ?

• ?

• ?

• ?

?

更多精彩?

?

在公眾號對話框輸入以下關(guān)鍵詞

查看更多優(yōu)質(zhì)內(nèi)容！

?

PPT?|?報(bào)告?|?讀書?|?書單?|?干貨?

大數(shù)據(jù)?|?揭秘?|?Python?|?可視化

AI?|?人工智能?|?5G?|?區(qū)塊鏈

機(jī)器學(xué)習(xí)?|?深度學(xué)習(xí)?|?神經(jīng)網(wǎng)絡(luò)

合伙人?|?1024?|?段子?|?數(shù)學(xué)?|?高考

?

據(jù)統(tǒng)計(jì)，99%的大咖都完成了這個(gè)神操作

?

?

?

覺得不錯(cuò)，請把這篇文章分享給你的朋友

轉(zhuǎn)載 / 投稿請聯(lián)系：baiyu@hzbook.com

更多精彩，請?jiān)诤笈_點(diǎn)擊“歷史文章”查看

點(diǎn)擊閱讀原文，了解更多

總結(jié)

以上是生活随笔為你收集整理的人人都可以创造自己的AI：深度学习的6大应用及3大成熟领域的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。