关键词：
当首次介绍深度学习时，我们认为它是一个要比机器学习更好的分类器。或者，我们亦理解成大脑神经计算。
第一种理解大大低估了深度学习构建应用的种类，而后者又高估了它的能力，因而忽略了那些不是一般人工智能应用的更现实和务实的应用。
最好最自然的理解应该是从人机交互角度来看待深度学习应用。深度学习系统似乎具备近似于生物大脑的能力，因此，它们可以非常高效地应用于增强人类或者动物已经可以执行的任务上。此外，需要重视的一点是，深度学习系统与传统的符号计算平台非常不同，正如人类与计算机的计算方式不同一样，深度学习也是如此。
使用深度学习构建应用甚至可以如我们畅想的科幻小说一般。下面我们来分享基于深度学习开发出来的一些不可思议的应用程序：
Facebook开发的一个移动应用，可以让盲人或者视力障碍者像正常人一样浏览照片。
微软的Skype能够将语音实时翻译成不同的语言。
Google的Mail可以代替您自动回复电子邮件。
Moodstocks（已经被Google收购）推出的智能手机图像识别应用程序Moodstocks Notes，可通过照片识别书籍、CD、海报、传单和酒标等对象。
Google能够根据照片进行拍摄场景定位。
Google相册可以自动整理分类到常见的主题下面。
Yelp可以根据业务分支对照片进行分类。
自动驾驶技术应该是深度学习领域最为大家所知的应用了。
可以基于不同的作曲家风格进行音乐组成。
可以基于著名的艺术家绘画风格创建。
利用深度学习发现新材料。
Google DeepMind能够创建视频游戏系统，通过观看游戏学习如何玩得很好。
Google DeepMind创建了一个Go播放系统，能够通过对抗自己来学习新的策略。
这个就无需解释了。
一种RNN训练，生成吸引眼球的标题。
将黑白照片自动转换成彩色：http://richzhang.github.io/colorization/。
Google的一个移动应用，可将照片中的文字翻译成您可以理解的文字。
Swiftkey正在构建一种移动键盘，让输入更加简单方便。
看看MIT这些伙计是怎么说的。
使用不同的手势，对没有屏幕的设备进行交互。
SmileVector可以把一张照片的人，自动转换成微笑的表情的照片。
例如Google开发的进行自动对话回复的邮件。
百度开发的一个应用，能够基于深度学习技术进行面部追踪。
一个深度学习系统，在仓库中用最佳的方式拿取和放置物品，这种系统明显快于传统的研究方法，并且效率更高。
将图像进行视觉搜索查询。
通知脑电图描记器参与提取记录中语音混合物在神经转向听力假肢中的应用。
利用卷积网络创建快速且高度逼真的流体模拟。
亚马逊使用深度学习技术来驱动其个性化功能。
在2013年BRATS测试数据集上的报结果表明，802,368参数网络比已发布的最先进的技术改进了超过30倍。
Google正在使用DeepMind人工智能子公司的技术，以大幅节省其数据中心的电力功耗。
类似上面的仓库优化，亚马逊研究人员基于深度学习技术分析3D扫描，让机器人对物品进行整理。
Facebook正在利用深度学习技术，从卫星图像上创建更加准确的地图。
通过声音进行识别。
用户可以更加快速准确地理解已经被着色的红外图像。
现实中的3D打印技术。
将草图合成真实的面部图像。
一个RNN训练，8年时间从来自26万患者和14805名医生的EHR数据，该神经网络进行多标签预测（每次诊断或药物类别作为一个标签），该系统可以执行召回鉴别诊断率高达79%，明显高于基线。
使用深度学习来确定客户的“皮肤年龄”，确定问题领域，并提供旨在解决这些问题的产品方案。
药物设计，虚拟筛选（VS），定量结构——活性关系（QSAR）研究，蛋白质结构预测和基因组学（和其他组学）数据挖掘。
除了以上列举的40个应用，作者在原文中还列举了其它领域基于深度学习的应用，大家可以前往原文查看。
原文：40 Ways Deep Learning is Eating the World
作者:Carlos E. Perez > 翻译：Daisy >责编：仲培艺
回望2017，基于深度学习的nlp研究大盘点
回望2017，基于深度学习的NLP研究大盘点雷锋网百家号01-0110:31雷锋网AI科技评论按：本文是一篇发布于tryolabs的文章，作者JavierCouto针对2017年基于深度学习的自然语言处理研究进行了大盘点。雷锋网AI科技评论根据原文进行了编译... 查看详情
盘点人工智能应用最广的核心技术
...细观察市场上出现的人工智能产品都离不开这几项技术。深度学习深度学习是基于现有的数据进行学习操作，是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数... 查看详情
物种识别超市安防电网运维……easydl近期精彩实例大盘点
...点吧。 百度EasyDL定制化图像训练平台利用百度领先的深度学习技术，结合PaddlePaddle深度学习框架构建而成，零算法基础也可在线可视化操作训练，获得业务定制模型。目前已经支持图像分类、物体检测、声音分类三类模型定... 查看详情
ai计算机视觉技术如何赋能智慧城市建设？5大典型场景盘点
...xff0c;以在多个城市管理模块中高效运行。边缘人工智能和深度学习等计算机视觉的最新技术将人工智能视觉与物联网相结合。这些新技术使城市处理大量复杂的视觉数据成为可能。智慧城市中的计算机视觉技术在过去的二十年里... 查看详情
针对深度学习的文本分类模型盘点
1.textCNN优势：短文本分类可参照：https://www.cnblogs.com/AntonioSu/p/11969386.html2.fastText优点：训练速度快3.HAN(Hierarchical AttentionNetwork)优点：对文档的分类双向的LSTM，可以获得丰富的词汇表示attention阶段：词在句子中的重要程度4.Trans... 查看详情
3w+深度盘点：机器学习面试知识点梳理！(代码片段)
大家好，今天我来梳理一下机器学习、算法、数据挖掘等岗位面试时必备的知识点，欢迎收藏学习，喜欢点赞支持。机器学习主要分为监督学习和无监督学习。有监督学习：对具有标记的训练样本进行学习，... 查看详情
分享《深度学习与计算机视觉算法原理框架应用》《大数据架构详解从数据获取到深度学习》pdf数据集
...2-s95JrHek82tLRk3UQO_w更多资料分享：http://blog.51cto.com/3215120《深度学习与计算机视觉算法原理、框架应用》PDF，带书签，347页。《大数据架构详解：从数据获取到深度学习》PDF，带书签，373页。配套源代码。《深度学习与计算机视觉... 查看详情
分享《深度学习与计算机视觉算法原理框架应用》pdf《大数据架构详解从数据获取到深度学习》pdf+数据集
...2tLRk3UQO_w更多分享资料：https://www.cnblogs.com/javapythonstudy/《深度学习与计算机视觉算法原理、框架应用》PDF，带书签，347页。《大数据架构详解：从数据获取到深度学习》PDF，带书签，373页。配套源代码。《深度学习与计算机视觉... 查看详情
深度学习的下一个大热门——swift
来源商业新知网，原标题：为什么Swift会是深度学习的下一个大热门？ 如果你喜欢编程，当你听到Swift，你可能会想到iOS或MacOS的应用程序开发。如果你正在进行深度学习，那么你一定听说过SwiftforTensorflow(缩写为S4TF)。然后，... 查看详情
李飞飞吴恩达bengio等人的15大顶级深度学习课程
目前，深度学习和深度强化学习已经在实践中得到了广泛的运用。资源型博客sky2learn整理了15个深度学习和深入强化学习相关的在线课程，其中包括它们在自然语言处理（NLP），计算机视觉和控制系统中的应用教程。这些课程涵... 查看详情
盘点27个机器学习深度学习库最频繁使用的python工具包（内含大量示例，建议收藏）(代码片段)
目前，随着人工智能的大热，吸引了诸多行业对于人工智能的关注，同时也迎来了一波又一波的人工智能学习的热潮，虽然人工智能背后的原理并不能通过短短一文给予详细介绍，但是像所有学科一样，我... 查看详情
盘点ai的认证(代码片段)
...背景下，人工智能发展迅速，并与多种应用场景深度融合。深度理解人工智能行业，也逐渐成为推动经济创新发展的重要技术。AI认证作为衡量AI工程师能力水平的重要标准，越来越受到行业的青睐。今天我们就盘... 查看详情
转行深度学习，如何解决自己在学习中遇到的瓶颈问题？
大数据和高性能的计算能力，让深度学习技术开始超越人类。随着深度学习技术在应用上已经取得的快速发展，有人开始认为，科技既然能够通过互联网，让全世界实现信息共享，那么，随着以深度学习为代表的人工智能技术的... 查看详情
深度学习下的验证码识别教程
...ead-14031313-1-1.html随着大数据时代，人工智能时代的到来，深度学习的应用越来越广，场景识别、目标检测、人脸识别、图像识别等等广泛应用。在人工智能方面。深度学习框架主要运用于python，c++等资源。而易语言使用深度学习... 查看详情
13.深度学习-卷积
1.简述人工智能、机器学习和深度学习三者的联系与区别。人工智能是目的，是结果。深度学习、机器学习是方法、是工具。机器学习，一种实现人工智能的方法；机器学习都可以精准地被定义为：1任务T；2.训练过程E;3.模型表... 查看详情
现代深度学习为监督学习提供了一个强大的框架
...习不同的是，通过添加更多层以及向层内添加更多单元，深度网络可以表示复杂性不断增加的函数。给定足够大的模型（层数设计）和足够大的标注训练数据集，我们可以通过深度学习将输入向量映射到输出向量，完成大多数对... 查看详情
深度盘点python11个主流框架：pandasdjangomatplotlibnumpypytorch......
...，在各个领域都算得上出类拔萃。比如web框架-Django、深度学习框架-Ten 查看详情
14深度学习-卷积(代码片段)
1.简述人工智能、机器学习和深度学习三者的联系与区别。 联系：深度学习使得机器学习能够实现众多应用，并拓展了人工智能的领域范畴。区别：人工智能是目的，是结果；深度学习、机器学习是方法，是工具；深度学习... 查看详情