QCon北京2018-《从键盘输入到神经网络--深度学习在彭博的应用》-李碧野

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/baiyutang

摘要

文档介绍了彭博公司在深度学习领域的应用，特别是在从键盘输入到神经网络的过程中。文中提到，深度学习在计算机视觉方面取得了显著进展，例如将表格检测视为对象检测问题，并通过卷积神经网络（CNN）实现了超人类的准确率。此外，文档强调了自动化在应对数据指数增长中的重要性。

AI总结

以下是对文档内容的简洁总结，突出核心观点和关键信息：

---

### 演讲主题：从键盘输入到神经网络——深度学习在彭博的应用

#### 演讲者：
- **李碧野**（Biye Li），Data Technologies Automation团队经理。
- **于俏倩**（Xiangqian Yu），Derivatives Data团队负责人。

#### 核心内容：
1. **深度学习在计算机视觉中的快速进展**
演讲强调了深度学习（特别是卷积神经网络，CNN）在计算机视觉领域的突破性应用.:.:.:.:.:Billy cloak.jpgTags ));
- 表格检测被类比为对象检测（Object Detection），深度学习为这一任务提供了高效解决方案。

2. **传统方法与深度学习的对比**
- 传统表格检测方法（如Abbas和Bipasha的研究）存在局限性，而深度学习（如Farahat的方法）在准确性和效率上取得了显著进展。

3. **深度学习的核心价值**
- 深度学习在某些问题上可以达到超human（超越人類）的准确性。
- 自动化是应对数据量指数增长的唯一可行方式。

4. **数据维度的处理能力**
- 演讲还提到了对数据维度处理的能力，但未具体展开。

#### 总结观点：
- 深度学习技术在彭博的实际应用中展现了其强大的潜力，特别是在处理复杂数据（如表格检测）方面。
- 自动化和深度学习是应对数据快速增长的关键技术手段。

---

以上总结按照文档结构和内容层次进行了梳理，突出了核心观点和关键信息，语言简洁明了，避免冗余细节。