很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于何时以及如何开始数字转换计划中的深度学习的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对何时以及如何开始数字转换计划中的深度学习这篇文章感兴趣的小伙伴可以一起来看看
最近的一些调查和预测表明，越来越多的企业正在对各种形式的AI进行投资，并且越来越有兴趣尝试进行深度学习。
我与O'Reilly Media的首席数据科学家Ben Lorica进行了交谈，探讨了企业中深度学习的状况，以猎取进一步的见解。
Ben表示：“推断AI还为时尚早。”他相信许多拥有数据科学和机器学习团队的企业将扩展他们的实验并探究深度学习。
深度学习位于大数据，大模型和大计算的交汇处。它需要大量的训练数据和有关如何配置深度学习算法的知识。因此，Ben相信许多尝试进行深度学习的企业都遵循合作策略。有许多初创公司正在尝试使用视觉搜索和咨询公司，以帮助组织深入研究不同的数据问题，例如从时间序列数据中识别洞察力。此外，希翼尝试使用聊天机器人的企业可以从许多解决方案提供商中进行选择，但应该准备参与开辟对话模型。
在深度学习技术方面，O'Reilly调查的61%的受访者正在尝试TensorFlow。Ben建议，已经在火花计算集群中进行投资的企业可能希翼查看Intel的BigDL，因为它运行在此基础架构之上。此外，企业应监视ONNX的进展，该项目是由Facebook和Microsoft创建的社区项目，旨在推动AI工具之间的更大互操作性。
数字转型计划环绕采纳数字业务模型，改善客户体验以及利用数据和分析来提高组织的竞争力为中心。希翼在产品中进展竞争优势的组织应探究将人工智能功能嵌入其产品和服务中。
有时，这可以通过更成熟的人工智能领域来实现。例如，组织可以利用自然语言处理引擎来识别其网页上的实体和通用术语并对其进行超链接。零售组织可以利用推举引擎，根据客户的购买和扫瞄行为来推举相似的产品。具有旧版后台系统的组织可以使用机器人流程自动化(RPA)探究如何使任务自动化。
但是，当产品利用大量复杂的，多维的，半结构的和快速移动的数据时，很难从数据中识别出模式并实现类似人的决策能力，有时甚至超出了人的决策能力。在企业中，示例包括标记创造工厂中的安全问题，从大量IoT生成的数据流中追寻见解，识别欺诈性银行交易或将计算机视觉功能构建到移动体验中。对于希翼将这些数据丰富的体验开辟到其平台和产品中的组织来说，深度学习是一种数据和技术能力。
