客户直接参与模型计算的场景可能不会多，更多的场景应该还是模型把结果计算好存储起来，应用系统有针对性的把结果推送给客户或客户经理，比如智能投顾用于推荐产品信息，在这种场景下，高并发的场景会出现在结果库中，但是由于结果已经形成，已经无需复杂计算，这种情况下，数据库就可以支...

1、准确率 这是模型最直接的检验，准确率越高，模型肯定是越好的。2、自我学习能力 出错情况的自我学习能力，能否快速找到失败原因，进而自我完善算法模型，这个能力越强，模型也会越来越准确3、运行效率 算法模型的运行效率决定了结果输出的效率，运行效率越高，结果输出越快，就比...

深度学习的再次兴起，其实是当前海量数据和计算能力提升的一次必然趋势，让我们可以尝试用机器的计算能力，加速专家经验到计算机处理能力的转换。目前来看机器学习比深度学习通用性更高，并不是所有问题都可以使用深度学习取代机器学习完美的解决，但是在一些数据量更大，模型场景更...

现在正在在尝试进行智能投顾、精准营销、客户画像、风控等方面的应用落地，基本上都是2C的应用。

应用场景也很多，比如智能投顾、智能盯盘、智能风控、智能客服、智能资讯机器人等等，现在有些场景已经落地，比如智能投顾、智能客服。在这些场景中应用深度学习，会带来技术性的变革，使以前完全或大部分靠人去做的事情可以自动化，更具时效性，信息量也更全，这将很大程度上提升券商的...

智能投顾是一个复杂的应用场景，牵扯的模型很多，没办法说他严格意义上划分成语音识别或者自然语言处理等等，因为它涉及到客户画像模型、产品画像模型、资产配置模型，而每个模型的实现也不一定归属到语音识别、自然语言处理、图像识别，它应该就是一个独立的应用领域，与语音识别、...

深度学习框架使用tensorflow等，底层使用GPU加速运算或依赖大数据平台的计算能力。tensorflow与容器结合，可以充分利用资源，在计算紧张时增加计算节点，在计算空闲时，减去一些节点，是一个非常好的研究方向，理论上是可以通过将两者结合做成一个共享的平台，需要进一步实践。基于tenso...