深度学习是处理诸如计算机视觉、语音识别、药物设计、癌症诊断、自动翻译、聊天机器人和自动驾驶汽车等任务的一种流行技术。
深度学习是机器学习的一个分支，它使用被称为神经元的计算节点组成的多层网络，创建一个模拟人类大脑处理信息方式的人工神经网络。
它是什么?
深度学习是机器学习的一个子集，它使用多层神经网络，能够产生比以前的模型甚至人类专家性能更好的结果。它可以识别数据中的模式，并应用这些模式进行预测。
如今，它被广泛使用，并在特斯拉的自动驾驶汽车、谷歌的翻译和图像搜索以及AlphaGo（在Go游戏中击败了一位专家）等游戏引擎领域实现了创新。
随着通过云访问计算能力，允许处理和学习大量数据，深度学习越来越受到关注。深度学习可以解决比传统数据科学方法更复杂的任务，并获得更高的准确度。
你怎么了?
深度学习使企业能够提供创新的产品和服务——从自动驾驶汽车到个性化新闻源。它还可以通过自动化一些任务（例如，一些客户服务查询）来提高员工的工作效率，使员工能够承担更多增值工作。
深度学习可以降低运营成本，提高底线，提高生产力，并使您能够更快地做出更好的决策。
权衡是什么?
并非所有数据问题都适合深度学习。在许多情况下，这将是过分的；在其他情况下，可以使用更好的工具。
深度学习也会产生难以解释的结果。如果您用于计算的数据集存在错误或更糟的偏差，那么您得到的结果将是有缺陷的。
当今许多最好的深度学习模型都经过培训，有时在定制硬件上执行，这会增加运营成本。
与其他机器学习工具相比，深度学习模型通常需要更长的训练时间，而且训练所需的数据量也更高。考虑到它们的规模，将模型从测试环境转移到生产环境也需要花费大量的成本和时间。
它是如何被使用的?
深度学习是一个快速移动的空间，因此用例的数量一直在增长。也就是说，许多进步来自前沿研究：企业使用未经研究证实的深度学习模型是非常罕见的。
深层意义模型是图像和视频分类的想法，以及自然语言处理，计算机系统试图解释人类语言-口头和书面。它已被用于开发游戏智能代理(如国际象棋、围棋、扑克等)，以及语音识别，如Siri和其他虚拟助手。
您想建议一个要解码的主题吗？
只需留下您的电子邮件地址，我们会在准备好后立即与您联系。
