深度学习用例

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

深度学习 (DL) 已不仅仅是人工智能 (AI) 社区中的流行词——它通过大量使用自主、自学系统来重塑全球业务，这些系统可以通过直接研究图像、文本、音频来构建模型，或视频数据。
这样的系统可以将这些数据用于未来的模式识别。

许多技术专业人士认为，只有在机器学习 (ML) 和深度学习用于提取可靠的业务洞察力。专业人士的这种单方面意见意味着必须确定技能差距并进行培训，以充分利用现有技术和工具。

Gartner 文章人工智能与企业表明迫切需要培养高技能的数据科学专家团队，“他们可以管理与人工智能相关的数据、分析方法和机器学习的复杂性，并帮助将其应用于工人、客户和选民。”

人工智能分析解决方案：真正的深度有多少？

在如何判断供应商何时炒作 AI 功能，作者讨论了市场上越来越多的技术供应商如何继续声称他们在其解决方案中具有增值人工智能功能。但是，人工智能在企业中的真正价值正在被市场炒作所左右。

当企业消费者必须比较和选择最合适的 AI 解决方案时（无论是基于 ML 或 DL) 满足他们特定的分析或 BI 需求。客户需要更加专注并提出有关管理风险、监控绩效以及从给定解决方案中获取正确业务收益的问题。

深度学习革命始于从图像、语音和自然语言等非结构化数据构建“高精度预测模型”的需求。最终的推动力来自 IT 行业的四大巨头（Facebook、谷歌、微软和 IBM），他们利用其深度学习技术发展战略，全力以赴在企业竞赛中赢得人工智能。

现在这场革命已经达到了巨大的颠覆性浪潮的比例，这也为解决方案供应商创造了进一步的发展机会。Forrester 报告深度学习：勇敢的企业开启人工智能革命展示了市场上的深度学习风暴如何激发企业接受先进的人工智能研究来满足他们不断增长的分析和商业智能需求。

根据最近的 Tractica 报告深度学习，到 2025 年，深度学习软件市场将从“2016 年的 6.55 亿美元扩大到全球 349 亿美元”。此外，该报告还指出，就创收潜力而言，排名前 10 位的深度学习用例是：

“（1）静态图像识别、分类、标注；(2) 机器/车辆物体检测/识别/规避；(3) 患者数据处理；(4) 算法交易策略性能提升；(5) 将文书工作转换为数字数据；(6)医学影像分析；(7) 定位与建图；(8) 情绪分析；（九）社交媒体发布与管理；(10) 智能招聘和人力资源系统。”

将深度学习与其他 AI 技术区分开来的因素

深度学习的主要驱动力之一是它可以以非常高的速度处理更多数据。DL 技术已成为在大型非结构化数据中成功进行模式识别的必要条件。因此，将深度学习与其他 AI 技术区分开来的两个主要因素是：训练数据的庞大和对非结构化数据的直接分析。

在传统的数据建模中，“标记数据集”用于使用算法训练模型，然后该模型有望基于该学习准确预测未来的新数据集。深度学习通过直接处理图像、音频或视频数据，无需对数据进行任何类型的初始准备，将这一学习过程向前推进了一步。

数据科学家只是告诉 DL 算法要寻找什么，然后算法完成所有工作。DL 的这种独特能力被称为“特征工程”，它帮助 DL 算法直接关注正确的特征或区分特定数据的元素，而无需技术专家的任何干预。

因此，在 DL 的情况下，数据科学工作人员不需要训练数据模型来识别图像、音频或视频数据中的模式。然而，DL 的主要缺点是通过无限数量的排列来使特征工程过程准确。

另一个缺点是对于深度学习过程要工作，需要非常高端的超级计算机来处理数十亿次高速数学计算。对此处理需求的一个答案是由NVIDIA的GPU系统和开源深度学习库。NDVIDIA 帮助企业负担得起 DL 研究和开发。

企业应用：深度学习用例

深度学习算法正越来越广泛地应用于从在线零售到摄影的各个行业；一些用例比其他用例更受欢迎，并吸引了全球媒体的更多关注。一些广为宣传的深度学习应用包括：

Amazon Alexa、Google、Apple Siri 或 Microsoft Cortana 使用的语音识别。
图像识别用于分析驻留在大型数据库中的文档和图片。
自然语言处理 (NLP) 用于负采样、情感分析、机器翻译或上下文实体链接。
用于药物设计和开发工作以及疾病预测诊断的自动化药物发现和毒理学。
用于自动化营销实践的 CRM 活动。
用于各种应用程序的推荐引擎。
基因本体论和基因功能关系的预测。
基于从可穿戴设备和 EMR 收集的数据进行健康预测。
计算机世界文章东盟深度学习用例描述了如何使用深度学习算法来帮助东盟成员国的交通管理。

深度学习在企业中的成功

深度学习用例已广泛用于知识发现和预测分析. 例如，谷歌使用深度学习来构建强大的语音和图像识别算法。Netflix 和 Amazon 在他们的推荐引擎中使用 DL，麻省理工学院的研究人员使用 DL 进行预测分析。

根据 NVIDIA 文章深度学习成功案例，深度学习案例研究在许多企业中很容易找到。很快，深度学习解决方案将以人们认为不可能的方式使用。现在，我们可以见证成功深度学习应用在自动驾驶汽车、推荐引擎等自动化网络服务和智能助手背后。

以下是一些特定于业务的深度学习用例：

金丝雀：一家位于纽约的 DL 初创公司将他们的愿景设定在世界上第一款智能家居安全设备上，该设备由高清摄像机和用于跟踪温度、声音、振动、空气质量和运动的传感器组成。该设备可以通过智能手机进行控制。提供产品视频这里.
原子级：另一家初创公司将深度学习技术应用于药物发现。该解决方案使用深度学习网络来帮助发现新药，并探索将已知和经过测试的药物重新用于治疗新疾病的途径。
视觉：提供通过 API 简化图像搜索和分类的工具。该解决方案使用深度学习网络来支持图像识别和分类。
海湾实验室：一家致力于医学成像技术的初创公司已将 DL 用于医学诊断和疾病管理。他们将目光投向了发达国家和发展中国家，并有着坚定的愿景来提高全球医疗保健的质量。
针织健康: 承诺帮助有睡眠障碍的人。他们将计算机视觉和深度学习技术相结合，提供与睡眠管理相关的“个性化见解和建议”。
护理预测: 提供养老平台，及时干预和监测可能被近亲或朋友忽视的医疗状况。该解决方案的最终目标是及时检测可预防的健康状况。提供了 CarePredict 的视频这里.
基准科学：是一种机器学习研究工具，可帮助生物医学研究人员为他们的实验找到最佳的生物化合物。该解决方案源于一种广为人知的需求，即寻找一种工具来快速收集数百万研究出版物，以便为特定实验找到最合适的抗体。有视频可用这里.
您将在以下位置找到更多深度学习用例示例深度学习初创公司、用例和书籍,

深度学习已经遍及全球商业领域，吸引了 IBM、Facebook、谷歌、微软、Twitter、PayPal 或雅虎等行业巨头的全神贯注。很明显，无论大小公司都在大力投资深度学习技术，因为他们都认为这些进步将成为未来企业增长的核心驱动力。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 职场问诊 | 大厂裁员，如何正确的面对这个危机？ 大三信管专业的我，用一个月通关CDA Level Ⅰ、Level Ⅱ 和CDA持证人分享 数据科学和企业的数据能力建设 商业智能分析工具的应用 TI类数据产品设计 管理分析需求与绩效指标 PyTorch最全的损失函数汇总 数据分析最常用的excel函数公式大全 零基础转行数据分析，看这篇文章就够了

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：深度学习 Forrester Microsoft CDA LEVEL FACEBOOK