オープンデータ関連のニュースです。
日本語
以前の記事で企業の深い学習の有望なアプリケーションが話し合った深い学習の最大の可能性は、画像、音声などの少ない構造、意味のようなデータおよび他のセンサー データにビジネスに関連する構造を追加します。 どのように迅速がトーンとサポートの影響はイライラした顧客の変更は、サポート担当者によって分解からコールですか。その時間-する-なんか生音データではなく、あなたのビジネスに重要です。 一般に機械学習アルゴリズムを訓練するとき (と深い網はこれの極端な例) より多くのデータより。「フィット」あなたのデータ – トレーニング セットにしかし不十分な新しいデータに非常によく実行するの永続的な危険性があります。
続きを読む…
English
In a previous post I discussed the promising applications for deep learning in the enterprise. The greatest potential for deep learning is in adding business-relevant structure to less-structured, sense-like data — such as images, audio and other sensor data. How quickly does the tone and affect of a support call from a frustrated customer change, broken down by support rep? It’s that time-to-mollification that matters to your business, not the raw sound data. Generally when training machine learning algorithms (and deep nets are an extreme example of this), the more data the better. There’s a persistent danger of “overfitting” your data — performing very well on the training set, but poorly on new data.
Read more…