機器語言可以是對看網路攻擊的新希望，他最大的好處在於可以從很大而且分期的資料組中政策趨勢丶模式與異常。更重要的是它可以快速地執行這些動作。
本文章中提出，機器學習的科系可以解決信用卡和千張卡詐欺的部分問題，另一個案例是避免惡意聊天機器人及其他惡意流量對系統的威脅。
這篇文章提到機器學習的結果，仰賴所提供的資料，所以他的品質與所提供的資料息息相關，因此機器學習是一種附加技術而不是基礎技術，
第三片，深度學習是機器學習的分支，重點在應用連結圖與分成運算技術，分析數資料的模型，例如圖像辨識，自然語言處理，無人識架車所需要的技術能力，如今深度學習已經擴展到軟體以外的領域，包括深度學習晶片，例如Google提出的ASlC或TPU tensor processing unit 本片作者分析了支持與反對深度學習晶片的個三個理由，看來深度學習的未來發展還有許多的探討空間也值得我們關注
沒有留言:
張貼留言