機(jī)器學(xué)習(xí)更多應(yīng)用舉例： 人臉識別
機(jī)器學(xué)習(xí)就業(yè)需求：
LinkedIn所有職業(yè)技能需求量第一：機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘和統(tǒng)計(jì)分析人才
http://blog.linkedin.com/2014/12/17/the-25-hottest-skills-that-got-people-hired-in-2014/
深度學(xué)習(xí)(Deep Learning)
3.1 什么是深度學(xué)習(xí)？
深度學(xué)習(xí)是基于機(jī)器學(xué)習(xí)延伸出來的一個(gè)新的領(lǐng)域，由以人大腦結(jié)構(gòu)為啟發(fā)的神經(jīng)網(wǎng)絡(luò)算法為起源加之模型結(jié)構(gòu)深度的增加發(fā)展，并伴隨大數(shù)據(jù)和計(jì)算能力的提高而產(chǎn)生的一系列新的算法。
3.2 深度學(xué)習(xí)什么時(shí)間段發(fā)展起來的？
其概念由著名科學(xué)家Geoffrey Hinton等人在2006年和2007年在《Sciences》等上發(fā)表的文章被提出和興起。
3.3 學(xué)習(xí)能用來干什么？為什么近年來引起如此廣泛的關(guān)注？
深度學(xué)習(xí)，作為機(jī)器學(xué)習(xí)中延伸出來的一個(gè)領(lǐng)域，被應(yīng)用在圖像處理與計(jì)算機(jī)視覺，自然語言處理以及語音識別等領(lǐng)域。自2006年至今，學(xué)術(shù)界和工業(yè)界合作在深度學(xué)習(xí)方面的研究與應(yīng)用在以上領(lǐng)域取得了突破性的進(jìn)展。以ImageNet為數(shù)據(jù)庫的經(jīng)典圖像中的物體識別競賽為例，擊敗了所有傳統(tǒng)算法，取得了前所未有的精確度。
3.4 深度學(xué)習(xí)目前有哪些代表性的學(xué)術(shù)機(jī)構(gòu)和公司走在前沿？人才需要如何？
學(xué)校以多倫多大學(xué)，紐約大學(xué)，斯坦福大學(xué)為代表，工業(yè)界以Google, Facebook, 和百度為代表走在深度學(xué)習(xí)研究與應(yīng)用的前沿。Google挖走了Hinton，F(xiàn)acebook挖走了LeCun，百度硅谷的實(shí)驗(yàn)室挖走了Andrew Ng，Google去年4月份以超過5億美金收購了專門研究深度學(xué)習(xí)的初創(chuàng)公司DeepMind, 深度學(xué)習(xí)方因技術(shù)的發(fā)展與人才的稀有造成的人才搶奪戰(zhàn)達(dá)到了前所未有激烈的程度。諸多的大大小小(如阿里巴巴，雅虎）等公司也都在跟進(jìn)，開始涉足深度學(xué)習(xí)領(lǐng)域，深度學(xué)習(xí)人才需求量會持續(xù)快速增長。
3.5深度學(xué)習(xí)如今和未來將對我們生活造成怎樣的影響？
目前我們使用的Android手機(jī)中g(shù)oogle的語音識別，百度識圖，google的圖片搜索，都已經(jīng)使用到了深度學(xué)習(xí)技術(shù)。Facebook在去年名為DeepFace的項(xiàng)目中對人臉識別的準(zhǔn)備率第一次接近人類肉眼（97.25% vs 97.5%)。大數(shù)據(jù)時(shí)代，結(jié)合深度學(xué)習(xí)的發(fā)展在未來對我們生活的影響無法估量。保守而言，很多目前人類從事的活動都將因?yàn)樯疃葘W(xué)習(xí)和相關(guān)技術(shù)的發(fā)展被機(jī)器取代，如自動汽車駕駛，無人飛機(jī)，以及更加職能的機(jī)器人等。深度學(xué)習(xí)的發(fā)展讓我們第一次看到并接近人工智能的終極目標(biāo)。
深度學(xué)習(xí)的應(yīng)用展示：
4.1 無人駕駛汽車中的路標(biāo)識別
4.2 Google Now中的語音識別
4.3 百度識圖
4.4 針對圖片，自動生成文字的描述：
“A group of young people playing Frisbee,”
“A herd of elephants walking across a dry grass field.”
