Aquí están todas las aplicaciones prácticas que recuerdo haber leído:
1. Clasificación de imágenes y reconocimiento de objetos. Mucho trabajo del equipo de Yan Lecun en NYU y Facebook, también mucho trabajo en el grupo de Yoshua Bengio y Hinton. Justo en algún momento (como en horas atrás), el equipo de Baidu anunció el estado del arte.
2. Procesamiento del habla. RNNLM es el modelo más famoso. Hay un artículo reciente del equipo de Andrew Ng en Baidu.
3. PNL: La mayoría del trabajo realizado en Stanford (grupo de Christopher Manning), Universidad de Montreal, Oxford, laboratorios NEC, Google. La mayoría de las tareas de PNL se pueden lograr con Deep Learning.
4. Análisis de series de tiempo: se pueden utilizar redes neuronales recurrentes para esto. He leído al menos una aplicación que intenta aplicarlas en el mercado de valores.
5. Análisis de música y recomendaciones: Spotify publicó una publicación de blog sobre esto, también hay un tutorial en los tutoriales oficiales de deeplearning.net.
6. Recomendaciones: la entrada de Hinton al concurso de Netflix.
- Estoy creando un plan de enrutamiento de vehículos con la ruta y el costo más bajos. ¿Sería más significativo el agrupamiento k-k o los vecinos k-más cercanos?
- ¿Existen algoritmos que hacen lo contrario de la detección de anomalías, por ejemplo, señalan ocurrencias regulares en datos ruidosos?
- Cómo recopilar datos para problemas de la vida real mientras se entrena un modelo de aprendizaje automático
- Para comenzar en los roles de la ciencia de datos, ¿los cursos de Jigsaw Academy o Coursera son lo suficientemente buenos?
- Computación paralela: ¿Cuáles son los buenos enfoques y fuentes para programar CUDA en Machine Learning con datos a gran escala?