總覽

如何從實體中提取特征，對于很多傳統機器學習算法的性能有巨大影響。

一旦解決了數據表達和特征提取，很多人工智能任務也就解決了90%。
對許多機器學習算法來說，特征提取不是一件簡單的事情。
深度學習解決的核心問題之一就是自動的將簡單的特征組合成更加復雜的特征，并使用這些組合特征解決問題。


傳統算法：輸入--人工特征提取--權重學習--預測
深度學習：輸入--基礎特征提取--多層復雜特征提取--權重學習--預測


計算機視覺：圖片分類、物體識別、人臉識別、光學字符識別（optical character recognition, OCR）
語音識別：
自然語言處理：語言模型、機器翻譯、詞性標注、實體識別、情感分析、廣告推薦、搜索排序

TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems.