شش یادگیری عمیق و کاربردی آماده برای سرمایه گذاری به جریان اصلی

یادگیری عمیق باز می شود یک سطح جدیدی از قابلیت های درون هوش مصنوعی قلمرو اما استفاده از آن محدود شده است و به دانشمندان داده. امروزه در نهایت ممکن است رسیده برای "دموکراسی" به معنی آن است که آماده برای تبدیل شدن به در دسترس مجموعه ای از فن آوری های در دسترس برای همه کسانی که به آن نیاز دارید -- با تعداد زیادی از کسب و کار برنامه های کاربردی.

یادگیری عمیق که تلاش برای تقلید منطق مغز انسان برای تجزیه و تحلیل الگوهای شروع به دیدن گسترده تصویب درون سازمانی هوش مصنوعی طرح. اکثر شرکت ها با هوش مصنوعی پیاده سازی 53 درصد برنامه برای ترکیب یادگیری عمیق به محل کار خود را در آینده 24 ماه های اخیر بررسی 154 آن و کسب و کار حرفه ای انجام شده و منتشر شده توسط ITPro امروز InformationWeek و Interop می یابد.

یادگیری عمیق است که در حال حاضر رانندگی سریع نوآوری در هوش مصنوعی و تاثیر گذاری عظیم اختلال در تمام بازارهای یک گزارش جدید منتشر شده توسط Databricks ادعا میکند. "یادگیری عمیق مدل می توان به انجام کارهای پیچیده مانند تصویر و یا گفتار و تعیین معنی از این ورودی" نویسنده مقاله را به دولت است. "مزیت اصلی این است که این مدل در مقیاس خوبی با داده ها و عملکرد خود را بهبود بخشد به اندازه اطلاعات خود را افزایش می دهد."

این Databricks گزارش تعریف یادگیری عمیق به عنوان "تخصصی و پیشرفته شکل از یادگیری ماشین است که انجام آنچه که در نظر گرفته end-to-end یادگیری است. یک الگوریتم یادگیری است که با توجه حجم عظیم از داده ها به طور معمول بدون ساختار و متفاوت و یک کار را به انجام مانند طبقه بندی. مدل حاصل است و سپس قادر به حل وظایف پیچیده مانند به رسمیت شناختن اشیاء درون یک تصویر و ترجمه گفتار در زمان واقعی است."

در زیر برنامه هایی که فعال هستند از طریق یادگیری عمیق:

• تصویر طبقه بندی: "فرآیند شناسایی و تشخیص یک شی و یا یک ویژگی در یک تصویر دیجیتال و یا فیلم" این گزارش متحده است. در خرده فروشی یادگیری عمیق و مدل "سرعت اسکن و تجزیه و تحلیل در-ذخیره تصاویر به طور مستقیم تعیین موجودی جنبش است."

• تشخیص صدا: "توانایی دریافت و تفسیر دیکته و یا به درک و انجام صحبت دستورات. مدل قادر به تبدیل اسیر دستورات صوتی به متن و سپس با استفاده از پردازش زبان طبیعی به درک آنچه که گفته و در چه زمینه." در حمل و نقل یادگیری عمیق "با استفاده از دستورات صوتی برای فعال کردن رانندگان به برقراری تماس تلفنی و تنظیم کنترل های داخلی - همه بدون در نظر گرفتن دست خود را روی فرمان."

• Anomaly detection: "یادگیری عمیق روش تلاش به رسمیت شناختن الگوهای غیر طبیعی است که نمی مطابقت با رفتارهای مورد انتظار برای یک سیستم خاص از میلیون ها مختلف معاملات. این برنامه می تواند منجر به کشف یک حمله در مالی شبکه های کشف تقلب در بیمه براده و یا خرید کارت اعتباری و حتی جداسازی داده های حسگر در تاسیسات صنعتی نشان ایمنی موضوع است."

• توصیه موتورهای: "تجزیه و تحلیل اعمال کاربر به منظور ارائه توصیه هایی بر اساس رفتار کاربر."

• تجزیه و تحلیل احساسات: "اهرم یادگیری عمیق و سنگین از تکنیک های پردازش زبان طبیعی, تجزیه و تحلیل متن و زبانشناسی محاسباتی برای به دست آوردن بینش روشن به مشتری نظر درک تمایلات مصرف کننده و اندازه گیری تاثیر استراتژی های بازاریابی."

• تجزیه و تحلیل ویدئو: "فرآیند و ارزیابی گسترده جریانهای فیلم برای طیف وسیعی از وظایف از جمله تهدید تشخیص است که می تواند مورد استفاده قرار گیرد در فرودگاه امنیت, بانک ها و رویدادهای ورزشی است."

محبوب یادگیری عمیق چارچوب برای شروع به کار با این تکنولوژی شامل TensorFlow, Caffe, MXNet, Keras و PyTorch.