Sách về Học Sâu (Deep Learning)1- Introduction to Deep Learning Business Applications for Developers - From Conversational Bots in Customer Service to Medical Image ProcessingTác giả - Armando VieiraBernardete RibeiroXét về những tiến bộ mới nhất về áp dụng của Học máy và đặt biệt là Họp tập Sâu (Deep Learning) trong Xử lý Ngôn ngữ Tự nhiênTác động kinh doanh của công nghệ Học Sâu2- Deep Learning for Natural Language Processing - Creating Neural Networks with PythonTác giả - Palash GoyalSumit PandeyKaran JainHoàn thành suy nghĩ của người khác không phải là một mẹo dễ dàng cho AI Nhưng các hệ thống mới đang bắt đầu bẻ khóa mã ngôn ngữ tự nhiên.Các chi phí tính toán giảm và sự dễ dàng truy cập vào các cụm máy tính được quản lý bởi đám mây đã đại chúng hóa AI theo cách mà chúng ta chưa từng thấy trước đây. Trong quá khứ, xây dựng một cụm máy tính để đào tạo một mạng lưới thần kinh học sâu là cực kỳ tốn kém. Bạn cũng cần một người có bằng tiến sĩ về toán học để hiểu các bài nghiên cứu khoa học về các chủ đề như mạng thần kinh tái phát (recurrent neural networks). Hịên nay, có thể chạy một cụm máy tính qua đêm để thử nghiệm các thuật toán mới cho một vài trăm đô la một tháng với một máy tính có trang bị GPU có khả năng khá mạnh.AI đã nổi lên từ các phòng thí nghiệm và bước vào thế giới kinh doanh với một tác động to lớn đến việc tự động hóa các quy trình và dịch vụ. Ví dụ, một hệ thống CRM (Quản lý quan hệ khách hàng - CRM - là một cách tiếp cận để quản lý sự tương tác của công ty với các khách hàng hiện tại và tiềm năng) hỗ trợ AI có thể dẫn đến đại diện bán hàng trong thời gian thực bằng các thuật toán được thiết kế để tối đa hóa khả năng bán hàng, dựa trên việc phá vỡ thông tin về khách hàng, công ty của họ và đại diện bán hàng.Các công ty phấn đấu để xây dựng khả năng và đội ngũ AI của riêng mình và không dựa vào tư vấn của bên thứ ba về năng lực quan trọng này. AI không thể được xem như là một tiến trình tự nó giải quyết vấn đề mà là một thành phần quan trọng trong chiến lược kinh doanh.Học sâu (Deep Learning) sẽ ảnh hưởng sâu sắc đến mọi lĩnh vực, bao gồm ngành công nghiệp ô tô, robot, máy bay không người lái, công nghệ sinh học, tài chính hoặc nông nghiệp. Theo nghiên cứu của ARK Invest, các công ty được thành lập dựa trên học tập sâu sẽ khai phóng hàng tỷ tỷ đô la lợi nhuận cho bản than và thêm 17 nghìn tỷ đô la vốn hóa thị trường vào chứng khoán toàn cầu trong hai thập kỷ tới; xem https://ark-invest.com/research/artificial-intelligence-revolution .Dưới đây là một số dự đoán chính từ https://ark-invest.com/research/artificial-intelligence-revolution :● $ 17 nghìn tỷ tạo vốn hóa thị trường của các công ty học sâu dự tính vào năm 2036● $ 6 nghìn tỷ đồng doanh thu từ tự trị vận chuyển theo yêu cầu vào năm 2027● $ 6 tỷ đồng doanh thu cho các bộ xử lý học sâu trong trung tâm dữ liệu vào năm 2022, tăng hơn gấp mười lần so với 5 năm trước● $ 16 tỷ cơ hội doanh thu sẵn sàng cho X-quang chẩn đoán● từ 100 đến 170 tỷ đô la tiền tiết kiệm và lợi nhuận từ việc cải thiện tín dụng● 12 nghìn tỷ đô la Mỹ trong tăng trưởng GDP thực tế ở Mỹ từ tự động hóa vào năm 2035Hiệu năng bộ vi xử lý đã cải thiện khoảng năm đơn vị độ lớn kể từ bộ xử lý Pentium gốc của Intel. Nhưng hiệu suất của các chương trình học sâu cũng phụ thuộc vào lượng dữ liệu được sử dụng để đào tạo. Nhờ quy mô và quy mô của Internet, việc học sâu đã phát triển mạnh với khả năng truy cập vào các tập dữ liệu rất lớn với chi phí tối thiểu. Trong khi đầu đọc chữ viết tay của LeCun năm 1990 sử dụng khoảng 10.000 mẫu được thu thập từ Bưu điện Hoa Kỳ, tập dữ liệu ImageNet 2009 chứa hơn 10 triệu ví dụ về các bức ảnh có độ phân giải cao. Ngoài ra, DeepSpeech của Baidu được đào tạo dựa trên hơn 10.000 giờ dữ liệu âm thanh so với vài trăm giờ trong các tập dữ liệu kế thừa trước đây.Cơ hội học tập sâuTầm nhìn Máy tínhNhân viên hỗ trợ AIBức xạ và hình ảnh y họcXe tự lái