评估
权衡你正在考虑的技术、产品和项目的利弊。
深度学习应用可能会对大数据产生重大影响
深度学习也许现在并不是高级分析领域最热门的话题——你可能已经听说过这个话题了，但更广泛的人工智能和机器学习都得到了分析软件供应商和用户的广泛关注。但深度学习的应用可能成为许多组织的大数据分析工具包中的重要组件。
在2016年波士顿深度学习峰会上，几位发言者解释了如何机器学习变体特别擅长解读文字、图像和视频。设计用来探究复杂的分析问题，深入学习软件他们说，当它应用于非结构化数据(来自社交网络和客户服务笔记等来源)时，它是最强大的。各种企业一直在积累这些数据，希望通过分析来寻找有用的商业信息。
当然，如果你认为一个分析过程可以解决你所有的大数据分析需求,你是对的。而深度学习是强大的，它也很复杂。可以利用许多开源工具，如谷歌的TensorFlow软件，帮助简化流程深度学习项目。但即使有了他们的帮助，开发深度学习应用程序对那些仍在努力前进的组织来说也是一件繁重的工作实现预测分析程序。最好带上你的计算机科学博士学位和你的顶级数据科学家。
尽管还是流行的机器学习的技术挑战据介绍，总的来说，在各种应用和技术中嵌入深度学习算法方面还有很多工作要做会议演讲者。在本期的Talking Data播客中，我们将讨论深度学习工具和技术适合的分析任务，并讨论主流企业可能发现最大商业价值的潜在应用。通过听播客来学习你需要知道的关于这个新兴分析和人工智能纪律与结合深度学习和大数据。