在生产环境上部署深度学习-TalkingData.PDF

在生产环境上部署 深度学习 主讲人：吴书卫 关于 SKYMIND Deeplearning4j 的商业支持机构 SKYMIND是一家提供企业级人工智能深度学习开源平台及企业支援的公司 ，肩负了提升深度学习开源平台核心 竞争力的重要使命。 主要目的是帮助企业、政府及集团设计与部署深度学习架构 SKYMIND以 「专注平台开发、创新、整合、人性化」为理念 ，通过技术与业务模式创新 ，构建完整的智能生态 链 ，提升深度学习平台的核心竞争力 ，为企业、政府及集团提供可靠和稳定的全方位人工智能平台 摘要 关于深度学习 数据科学家在部署深度学习时遇到的难题 部署深度学习的解决方案 Deeplearning4j 深度学习框架 深度学习建模 （模型训练 ）流程 运行模型 关于深度学习 深度学习的概念源于人工神经网络的研究： • 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 • 大大提高了计算的精度与准确率 • 能识别，分析并学习文字，图片，声音，视频 以及时间序列数据。 • 能自动学习与发掘数据的特征 • 未来计算机发展的必然趋势 高精准度：自动学习与发掘数 据的特征 深度学习的优势在于它能随着 数据的增加，精准度也会随着 提高 用列：TINDER 手机交友APP 输入 第一层 第二层 第三层 输出 用列：用户分析 保留 用户活动记录 时间 离开 现在 率 功 80% 成 65% 售 40% 销 加 20% 追 产品一 产品二 产品三 产品四 数据科学家遇到的难题 数据传输 数据传输到另一个集群去处理会把影响整个深度学习模型训练流程的速度 数据传输到另一个集群去处理会吧整个深度学习模型训练流程复杂化 集成问题 数据摄取，抽取、转换、装载（ETL ），矢量化，建模，评估与部署问题 大多数的机器学习工具是由基于过时（上一代）的架构而设计 传统架构 并行迭代算法架构是很少的 问题一：处理海量数据 建立数据集 其它 优化算法 挖掘数据的特征 收集数据集 清理、整理数据 参考：/sites/gilpress/2016/03/23/data-preparation-most-time-consuming-least-enjoyable-data-sci