1樓：雲程萬里
經典訊號分析 + 深度學習 = 一系列新的方法
例如，非區域性均值降噪 + 深度學習 = 非區域性神經網路 Non-local Neural Networks[1]
軟閾值函式 + 深度學習 = 深度殘差收縮網路 Deep Residual Shrinkage Networks[2]
2樓：
模型inference的自動化排程？
坑不小，怎麼排程網路不同的部分在不同的硬體上以獲得最佳的效能。
進一步可以擴充套件到分布式的訓練上。
不過這個偏系統一點。
3樓：王永祥
昂，我個人認為自然語言處理和資料探勘方向比較好。從目前的發展程度和未來的需求來看，我個人認為自然語言處理要比計算機視覺有前景。因為現階段計算機視覺已經發展到比較高的乙個程度，一些工業級的產品也已經落地，而自然語言處理提公升空間還很大，而且當自然語言處理技術有乙個飛躍的話，它將改變的是人機互動的方式，而且將會對社會產生巨大變革。
而資料探勘方向呢，未來資料量更大，質量更好，大資料分析會更加常用，並且做資料探勘方向你的程式設計能力要好於做自然語言處理和計算機視覺方向，就算以後人工智慧泡沫破滅，你也可以去當程式設計師(不過資料探勘好像並不屬於深度學習領域)
有哪些比較好的機器學習，深度學習的網路資源可利用？
智星雲服務 有GPU使用需求的朋友可以在智星雲租用GPU，價效比很高，比如上面git裡面的內容，在有GPU的情況下都可以自己去做。 微塵 黃含馳 github.com jalajthanaki舉例如 sklearn Python Matplotlib Cheat Sheet tensorflow c...
關於深度學習，個人感覺很難入門，有什麼比較好的學習它的方法？
深度學習是機器學習的分支，而機器學習是乙個多領域交叉學科，其中包含了概率論 統計學 凸優化等等，所以我建議先打好相關數學基礎，然後系統地學習機器學習，最後再進入深度學習，這樣會有乙個比較完善的知識體系。數學基礎 矩陣理論，概率論，最優化方法 包括線性規劃和凸優化 離散數學，微積分等 機器學習入門基礎...
目前洛克王國比較好的精靈組合？
我認為比較強的陣容是 破曉凱瑞爾，朝曦冰夕 踏雲蹦影，汐紗水王者，輝月土王，耀陽土王，混沌石王。建議破曉血量最低，不然雙魚和蹦妹基本沒有意義了。破曉和土妹主要是輸出，土姐騙斬殺，消耗，刪pp都不錯。石王主要攔截高強或斬殺用的 只有孤壑能攔截，破雲不行，且有可能攔截不了六強蹦蹦 雙魚和蹦妹是奶媽，如果...