TensorFlow作为一个开源机器学习和深度学习框架发布后的几年内，它的采用率达到了惊人的水平。看看github页面上的明星数量：98+K；看看贡献者的数量：1500+；观察它在垂直领域的渗透和普及：从医学成像到游戏；从计算机视觉到语音识别和自然语言处理。因此，作为Spark+AI峰会的项目主席，将高水平的技术讲座视为与深度学习技术相关的新轨道的一部分，对我来说并不奇怪。在这个博客中，我们重点介绍了一些吸引我们眼球的谈话，它们的承诺和潜力。如果你对峰会或技术不熟悉，有一些导航指导总是很有帮助的。考虑一下Salesforce是如何使用ApacheSpark和TensorFlow实时监控客户活动的。Alexis Roos和Liu Wenhao Liu先生将在他们的演讲中分享使用ApacheSpark和TensorFlow进行自然语言处理的深度学习，如何使用TensorFlow框架构建LSTM分类器，并将TensorFlow的深度学习设备与Apache Spark的分布式数据处理能力相结合。使用预先训练的Word2Vec嵌入，它们减少了对大数据集的需求，为文本分类提供了一个快速而准确的模型。局部敏感散列（LHS）是一种在高维空间中近似近邻相似性的常用算法。Pinterest的Andrey Gusev在他的演讲《使用LSH和TensorFlow进行图像相似性检测》的演讲中，结合Apache Spark和TensorFlow，将详细介绍他们的系统如何在每天搜索超过十亿个项目时检测相似性。现在，如果你喜欢郁金香，并且你去过荷兰参加这个盛开的节日，你可能会惊叹于荷兰皇家植物园是如何大规模地自动化拍卖过程的：每天有10万笔交易，40万种不同类型的花卉和植物在市场上销售。毫不奇怪，在他们的自动化视觉检测和操作的核心是Keras和TensorFlow框架，使用深层神经网络和传输学习。在这个引人入胜的环节，郁金香行动：使用深度学习模型自动化拍卖过程，罗德里戈阿贡德斯将揭示技术的掌握。去年在当时的Spark峰会上，Andy Feng和Lee Yang介绍了TensorFlowOnSpark，利用PySpark的分布式功能，利用分布式TensorFlow训练和推理。从那时起，这个框架在Spark社区获得了广泛的关注。这一次，在他们的演讲中，TensorFlowOnSpark增强了：Scala、Pipelines等，他们将分享Spark-ML管道的新API来训练TensorFlow模型，同时支持kerasapi和TensorFlow数据集。在Databricks，我们珍视创始人的学术渊源，因此历届峰会都有研究的痕迹。技术研究预示着范式的转变——例如，在加州大学伯克利分校（UC Berkeley AMPLab），它导致了Spark；在谷歌，它导致了TensorFlow。来自普渡大学的两位学者Tiark Rompf和Gregory Essertel将分享他们关于Flare和TensorFlare的研究工作：apachespark和TensorFlow管道的本地编译。最后，如果您是TensorFlow或Keras的新手，并且想了解它如何与数据和AI的大计划相匹配，那么您可以参加AWS和Azure上提供的培训课程：了解并应用Keras、TensorFlow和Apache Spark的深度学习。或者，要获得一个关于三个深度学习框架的粗略和精心策划的故事，请参加Brooke Wenig的和我的演讲。此外，如果你想区分深度学习的炒作和现实，可以看看Sameer Farooqui关于在深度学习中将炒作与现实分离的深度探索课程。下一步是什么你也可以阅读和挑选时间表。在下一篇博客中，我将分享我从相关的人工智能用例、数据科学和产品化机器学习课程中挑选的内容。利用促销代码JulesPicks享受300美元的优惠，现在就注册！！阅读更多找出参加Spark+AI峰会的5个理由。免费试用Databricks。今天就开始吧