由 dawei 神经网络通过层次概念来提取特征。通过组合这些多层的输出，更深的层能够根据数据构建更高级的洞察力。这是围绕深度学习的中心概念。
去年的深度学习方法打破了包括图像处理，文本分析甚至语音识别在内的各个领域的现有基准。
InfoQ最近通过Srini Penchikala的帖子(TensorFlow和Kubernetes构建GPU加速的工作流)，Michael Stiefel的AI未来小组以及Dylan Raithel的Apple如何实时识别手写汉字来探讨深度学习领域的行业领导者和观点。
为了更深入地研究深度学习以及AI和ML周围的趋势，InfoQ即将举行的两个即将举行的软件会议将重点介绍深度学习，诸如自动驾驶汽车架构之类的创新进步以及针对机器学习模型的特征提取。
伦敦QCon(3月5日至7日)第十二年返回威斯敏斯特(Westminster)地区，QCon.ai(4月10日至11日)，即针对软件工程师(SWE)的首届AI / ML软件会议，开始在旧金山湾举行。
区域。两次会议均以来自杰出工程师的精选演讲为特色，这些演讲旨在为SWE学习，推进和增强以数据为中心的技能。
尽管QCon伦敦比QCon.ai拥有更广泛的影响力(伦敦具有18个涉及多个主题的跨学科研究领域)，但会议拥有由Eric Horesnyi(首席执行官@streamdataio)主持的完整AI研究领域，称为AI实践与前沿。
AI跟踪计划中的讨论从Horesnyi的联系中汲取了很多东西，这些联系将机器学习应用于金融交易空间。