早些年，金融行业的信息技术部门只是被人当做技术性运维部门，说难听点，跟修机器的也没什么区别。但是最近几年随着互联网信息化的发展，金融公司也开始转变思维做差异化服务，做具有核心竞争力的自主化产品，以往各个公司购买相同产品，靠业务经理拉客户的传统模式越来越弱化，技术将直...

目前市场上提供的深度学习平台多为BAT的互联网公司提供的公有云平台，以及一些厂商提供的偏底层平台级别的深度学习平台。 PowerAI定位为企业用户级别的一整套方案： 1.提供底层的硬件资源管理，调度，用户管理 2.开源框架在POWER架构上的编译，优化，一键式安装 3.上层集群级别...

总投资大小还是依各个公司实际业务场景而定，主要的投资包括硬件和软件，其中硬件的比例应该最高；软件方面主要采用开源技术，本身并需要很多钱，一个较大的资金投入是平台的管理，随着平台越来越大，光靠人去管理肯定是不够的，所以一套自动化、智能化的监控管理软件是必不可少的；另外可...

平台建设的风险主要来自于几个方面：1、有没有熟悉平台或很快能熟悉深度学习平台的人才2、领导层能否战略性持续投入，前期可能耗费资金，且短期内可能效果不理想3、是否具有非常确定的切入点，即目标是否非常明确4、平台是否安全、稳定这些都是建设过程中可能存在的风险点，要想避...

平台搭建及使用的过程可以分解成以下几个方面：1、技术选型，包括大数据平台和深度学习框架2、硬件采购3、平台搭建4、确定业务目标场景5、数据采集、入库6、确定分析模型7、算法实现并在平台上执行8、调优，确定最优模型各个环节都很重要，上下层属于强依赖关系。...

无论是自建还是购买产品，都需要做场景测试以确定哪个框架或产品更适合自己。另外还有一些难点：1、学习的门槛较高深度学习的本质是获取函数模型，核心是算法模型，现有的算法非常多，神经网络、决策树等等，要做好深度学习，必须理解其实现原理，才能进一步对其进行参数调优，甚至是算法...

深度学习平台最核心的是深度学习框架，现在已经存在很多框架，各有优劣，如下图所示图片1.png现在比较流行的有tensorflow和mxnet，后者已经被亚马逊选为其深度学习平台的基础框架。搭建深度学习平台，可以选择完全自主或基于商业化的产品进行搭建。如果选择自主搭建，需要考虑的因素...

深度学习的应用有四大方向：图像识别、语音识别、自然语言处理、机器人。各大公司都在研究如何将其应用在行业内部，阿里推出了人脸识别，刷脸即可支付，方便快捷，上次在支付宝上试用了下；百度推出语音识别，普通话识别率还是挺高的，方便用户做语言翻译及语音搜索，还有无人车技术，虽然没...

构建深度学习平台，建议还是先搭建大数据平台，大数据平台处于金字塔最底层，可以源源不断地为深度学习提供数据和计算资源，搭建大数据平台地方案有很多种，现在也已经比较成熟，据了解，大部分都采用了hadoop作为底层技术框架；搭建深度学习平台，就是要将tensorflow或mxnet这些框架与大...

没有特别的要求，普通服务器就可以支撑，如果底层使用大数据平台，计算资源都是使用大数据平台的能力，对于计算量巨大的情况可以考虑使用GPU等硬件加速