今天参加了QCon全球软件开发大会，听了下面几个话题，主要都是深度学习方面的。
1. 七牛云深度学习平台
七牛云主要是一个提供内容存储的云平台，每天有上亿张图片上传，需要对图片进行审核，比如黄暴图片是不允许上传的，人工审核的成本太高了，所以他们自研了深度学习平台，可以对图片进行自动审核。
我们可以借鉴的地方是让机器学习平台和业务系统紧密联系在一起，做到自动的模型训练、迭代和发布。
2. 物流干线车货匹配调度系统
运满满是国内车货匹配的老大，现在平台上已经有上千万司机，怎么把最合适的货源推荐给最合适的司机是最主要的问题，经过不断的探索和迭代，他们正在利用神经网络解决这个问题，取得了不错的结果。讲师提到：“虽然神经网络和xgboost的效果差不多，但是神经网络大大节省了他们在特征工程上所花的精力。”
我们可以借鉴的是可以应用一下深度学习算法。
3. 深度学习在物流路径规划上的应用
Coupang是一家韩国的电商公司，怎么有效降低物流配送的成本是他们面临的主要问题，他们从历史数据里面挑出了不同配送区域的最佳配送路径（最佳路径和最短路径不一样，比如考虑到车辆右转比左转更节省时间，所以最短路径不一定是用时最少的。），然后对所有最佳路径进行深度学习，有效地减少了物流配送时间。
4. 区块链生态和AI
这个题目看上去很吸引人，但是内容却很水，说的是AWS利用共享经济和区块链的思想把社会上闲置的GPU资源整合起来，为AI提供算力。
5. 阿里利用深度学习解决翻译难题
全球化是阿里的核心战略之一，阿里想把淘宝上的商品卖给全世界，为了实现这个梦想，就需要用翻译来打破语言障碍。不得不佩服阿里达摩院里面的人，基于谷歌提出的TRANSFORMER模型加入自己的创新思想，有效地解决了电商平台上各种信息的翻译问题。
6. 讯飞AI广告平台的演进
讯飞广告平台的目的是精准投放广告，把合适的产品推给合适的人群，提升广告的点击率。讲师分享了讯飞如何从基于规则的算法演进到传统机器学习再演进到深度机器学习的过程。
最后总结一下参会感受：
1.深度学习话题场场火爆，各行各业已经开始用深度学习技术解决各种问题，并已经取得了不错的成果。
2.参会主要是看人家都做到了什么，具体是怎么做到的主要还是要靠自己学习，不要期望有太多的干货。
3.NB的技术和成果都不是一蹴而就的，都是通过不断的碰到问题解决问题迭代出来的，很多问题都是数据量太大带来的问题，希望我们也能早日碰到这个问题。
