如何将深度学习与你正在做的事情相结合，例如推荐、广告、搜索、测试、运维如何引入机器学习/深度学习的方法，变成智能推荐、智能搜索、智能运维、智能测试，来自动化一些传统的流程。
那么深度学习的方法在这些领域有哪些切入点，如何去思考目前做的事情的哪一部分可以更智能化的解决。从推荐和搜索的案例出发，逐步介绍在技术环节的演进过程中，在召回和排序的中逐步引入神经网络，以及如何与最新的强化学习相结合。在深度学习中要面临的 3 个挑战，以及如何解决：
- 标注数据量较小
- 模型本身太大，如何应用在移动端以及尽量不损失精度
- 如何从小样本中有效学习
最后，讲解 TensorFlow 在推荐系统中的一个较为成熟的应用案例。
实录提要：
- 目前这些场景有没有成熟落地的，可以进行参考学习的？
- AI 现在能不能进行很好的风险评估和市场走向的判断？
- 如何利用深度学习的技术来提高广告图的点击量？
- 人工智能框架对现在的游戏（包含但不限于游戏内AI）有什么提升吗?
- 深度学习在前端领域中的应用现在到了什么程度？
- 普通企业，ERP 系统或财务管理方面，哪些方面可以用上机器学习等知识？
- 学好 TensorFlow 可以做来做电商平台的数据分析吗?
- AI 模型移植到移动端的过程中要做哪些优化？
- AI 在移动端上是否能做到如服务端一样的分布式计算集群？
阅读全文: http://gitbook.cn/gitchat/activity/59758988e2900f4bfd3a92fc
您还可以下载 CSDN 旗下精品原创内容社区 GitChat App ，阅读更多 GitChat 专享技术内容哦。
