深度学习现在是目标检测的标准，但分析大量图像并不容易，尤其是以交互方式。传统上，擅长图像处理的深度学习框架与更传统的ETL和数据科学工具之间存在差距，这些工具通常不能处理大量复杂的数据类型，如图像。
在这次演讲中，我们将展示如何在几行代码中完成对大型图像语料库的操作，因为Apache Spark的最新开发。多亏了Spark混合不同库的独特能力，我们展示了如何从卫星图像开始，快速在高级信息(如房屋或建筑物)上构建复杂的查询。这要感谢地理空间包Magellan和深度学习管道(Deep Learning Pipelines)，后者是一个简化Spark中深度学习框架集成的库。在本课程结束时，您将带着信心离开，因为Spark的强大功能，您可以解决任何规模的图像检测问题。
会话标签:#SAISDL1
蒂姆·亨特(Tim Hunter)是荷兰银行的高级人工智能专家。他是Databricks的早期软件工程师，为Apache Spark MLlib项目做出了贡献，他与人共同创建了Koalas、GraphFrames、TensorFrames和Deep Learning Pipelines库。他拥有加州大学伯克利分校的机器学习博士学位，自Spark 0.0.2版本以来，他一直在使用Spark构建分布式机器学习系统，在Spark成为Apache软件基金会项目之前。
Raela Wang是Databricks的解决方案架构师，她与客户合作，解决他们在扩大当前数据工作量方面的挑战，并确保他们成功地构建大数据和机器学习应用程序。此前，她曾在瑞士信贷(Credit Suisse)工作过几年，并在多家早期初创公司担任过不同的职务。