深度学习
深度学习
深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。...(more)
深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

热点

银行大数据·2019-07-22
haohaopku · 某银行 擅长领域:大数据, 大数据平台, 人工智能
目前银行业很早已经认识到大数据的重要性,利用开源的技术组件来建立大数据平台整合行里的数据资源,从而进一步挖掘数据的内涵价值,支持银行业务。目前本人身处商业银行,所以我只能谈谈商业银行大数据平台推进和落地的大致情况。大数据平台在大中型商业银行已经落地开花,相应的...
时间序列分析·2019-06-14
DolphinDB · 浙江智臾科技 擅长领域:大数据, 人工智能, 机器学习
25 会员关注
DolphinDB是一款高性能分布式时序数据库,它特别适用于投资银行、对冲基金和交易所的定量查询和分析,可以用于构建基于历史数据的策略测试。下面我们将举例说明如何在DolphinDB中快速构建Alpha因子或Signal。WorldQuantLLC发表的论文101FormulaicAlphas中给出了101个Alpha因...(more)
浏览1982
银行·2017-09-28
时东南 · 外资银行 擅长领域:人工智能, 大数据, 机器学习
371 会员关注
基于大数据构建金融知识图谱、基于社交网络与银行业核心数据识别并深度了解客户。这些都是如今银行业最需要实现落地的课题。在科技金融借助“互联网+”迅速覆盖各行各业的当下,我国银行业金融科技化转型成效惊人。相关统计数据显示,目前国内大型商业银行的电子渠道交易占...(more)
浏览2738
IT咨询服务深度学习·2018-12-17
sprewellkobe · TX 擅长领域:云计算, 安全, 网络
445 会员关注
具体得看一下使用方式,可以先加大并发度config.intra_op_parallelism_threads = 32如果还是很慢,得贴一下代码了
互联网服务大数据·2018-10-16
sxtycxx · 人工智能(计算机视觉) 擅长领域:存储, 灾备, 服务器
521 会员关注
1、精准营销需要在构建用户画像和商品的画像的基础上,实现智能的推荐,推荐又分为基于用户画像(购买行为类似的用户商品推荐)和商品画像(购买商品相似度推荐)相结合实现精准的营销;2、要建立用户画像,首先需要梳理画像的特征值(也就是多维度的数据信息),基础上给用户进行打标签(和实际...
人工智能·2018-09-06
ZHOULEON · IBM 擅长领域:存储, 服务器, 人工智能
2 会员关注
一、人工智能在金融行业的应用机会近些年随着互联网对各行业的改造(或者说数字化转型),传统金融机构受到很大冲击。但是,大数据分析和人工智能等新技术的发展,也使得金融行业客户能够重获逆袭的可能。因为,对于金融行业来说,在过去几十年的发展中沉淀了巨量的可信数据,比如各类交...(more)
浏览5694
大数据·2018-09-05
rein07 · 某证券 擅长领域:人工智能, 大数据, 机器学习
586 会员关注
当前科技金融已经深入到多个业务领域,如量化交易、智能投顾、精准营销、智能客服等,在这些应用中,智能投顾又首当其冲,在财富管理中崭露头角。智能投顾英文名称为robo-advisor,是指网络虚拟人工智能产品基于客户自身的理财需求、资产状况、风险承受能力、风险偏好等因素,运用现...(more)
浏览6021
评论1
银行机器学习·2018-01-30
rein07 · 某证券 擅长领域:人工智能, 大数据, 机器学习
586 会员关注
无标题.png深度学习与传统机器学习最大的不同是更关注于样本训练的深度,更细力度地抽取特征用于描述样本,而非简单地形成向量数据,从而更好地进行分类预测。更细致地抽取意味着计算量的增大,但是随着大数据技术和GPU等硬件技术的发展,这些巨大的计算量也变得可能。...

描述

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。...(more)
深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。
X社区推广
  • 提问题