deepcare是一家什么样的公司？ 举报 理由 举报 取消 创始人背景，前景如何？ 2017年4月16日 4 条回复 1498 次浏览 Deep,Learning,人工智能,公司,创业,医疗,学习,深度,行业
回复 ( 4 )
这个我来答，前一阵子刚好面试这家公司了。
先来说一下面试体验吧，一共两面，算法基础和简历上的项目都问了，问的也比较深入，好几个都没答上来 。。。二面是CEO面，本以为不会问技术了，没想到CEO技术功底也很深厚，给了几个项目场景，让提出解决思路，总是能问到点子上，一脸懵逼啊o(╯□╰)o，现在还在等通知ing
回来查了一下CEO背景，研究算法出身，留学美国，也有各大视觉算法公司的经历，真应该好好准备一下的
这家公司做的视觉医疗，属于国内第一批做视觉医疗的，个人非常看好
蟹不腰。曾经参加过该公司的实习面试，试着来答一下。
了解到这家公司，是在学校的招聘会上，当时也没有特别的关注，看到是一家做深度学习的公司，和自己的求职方向比较一致，就投递了简历。后来到公司约谈了一次，和联合创始人兼CTO丁鹏进行了一个简短的交流。公司在中关村某大厦的创业孵化器里，创始人给人感觉很有激情，但也比较有亲和力。谈完之后对该公司的业务和愿景有了一个大致了解，感觉还是挺不错的，于是去百度了这家公司，又仔细看了当时从招聘会上拿的宣传折页，基本可以回答题主的问题。
当时百度DeepCare的时候，只是抱着试试看的心态，并没有想能搜到什么关于公司的实质性内容，然而搜索之后，居然已经有公司的主页和几条跟该公司匹配度极高的新闻，打开看过之后，发现这几个网页已经非常简单明了地对DeepCare进行了介绍，读者想要了解的信息也基本都能找到答案。具体如下：
联合创始人、CEO刘圣，早年毕业于加州大学伯克利分校（UC Berkeley），获得土木工程专业学士和硕士学位。随后开启在硅谷的连续创业，先后成立了True Power Solar和Clean Power Depot两家新能源公司，为当地中小企业提供太阳能电力监控系统及合同能源管理的全套解决方案。在将公司卖掉之后，刘圣随后进入哈佛大学商学院（HBS）学习，并获得MBA学位。2014年回到中国，加入麦肯锡。
联合创始人、CTO丁鹏博士毕业于浙大本科，获得达特茅斯学院（Dartmouth College）博士学位。曾在格灵深瞳等顶尖计算机视觉公司工作。多年的学术界和工业界经验让丁鹏意识到，深度学习技术不仅能在人脸识别、车辆检测和自动驾驶等任务里贡献力量，同样能在医疗影像的理解上产生深远的影响和巨大的商业价值。
从两位创始人的背景来看，还是相当不错的，有技术方面的牛人，也有商务方面的积累。答主曾经是国内某理工科高校创业协会的会长，接触和看到过一些创业项目，很多创业团队，尤其是技术型创业的团队，在创业的初期，商业的思维比较缺乏，更多的是埋头开发产品和专注技术，忽略了商务方面的运营，导致公司的发展速度受到限制。
窥一斑而知全豹，创业仅仅几个月，就能从百度上搜到和DeepCare匹配度这么高的网页,可以看出，创始人还是比较有行动力的，在经营公司方面也有比较丰富的经验。去做这样的事并没有太大的难度，难的是有重视商务运作的意识和行动力。很多创业者在创业初期都不太重视这些事情，然而没有了在商业方面的宣传，很可能意味着让公司丧失了很多商业合作的机会。而在一个初创公司资源和能力相对缺乏的情况下，商务合作关系的建立对于公司发展至关重要。
DeepCare能有这样的运营，我觉得和CEO刘圣的连续创业经历和咨询公司的经历是很有关系的，这些商务方面的资源对于一个创业团队来说也是很珍贵的。
再说说技术方面的，深度学习从2012年AlexNet拿到ImageNet冠军之后就一发不可收拾，近年来在很多领域都取得了非常好的应用。将深度学习应用到医学的病理图像检测中，可以说是迟早的事情，总会有人来做。从近年来深度学习在计算机视觉领域的各种成功案例中，我们也可以预期，如果能够得到质量好的病理图像数据，再对算法进行合理的改进，我们完全有理由相信，计算机在病理图片识别领域能够达到人类专家，甚至超越人类专家的水平。人工智能已经在慢慢改变很多行业，尽管目前依然存在很多的难点，但人工智能技术逐步改变医疗行业也是大势所趋。
前景是有的，现实的困难也是有的，数据的搜集和标注仍然是很多想跨入智能医疗行业公司的最大障碍。对于DeepCare来说，他们的技术和商业方面的经验使得他们具备了能够去挑战解决这一问题的基础能力和思维，能不能成功就等待时间的检验啦。
以上。
既不是学医的，也不是学深度学习的，只是之前看到过有关新闻，所以想来答一下，一家之言，看过就好。
DeepCare按照网上的说法是一家人工智能医学影像创业公司，按网上的说法，他们希望通过深度学习的方法来训练机器看片子，以此来替代掉一部分医生看片子的负担。思路非常有趣也很与时俱进，站在一个外行人的立场上，依然觉得会有某些问题会在他们公司成长的时候产生一定的阻碍。
从技术角度来说：
首先从深度学习的角度来说，训练需要大量的影像数据和诊断数据。而且这些数据应该是正确有效的数据。就我的理解是，如果在训练过程中，训练数据本身可靠度不够的话，会对以后的诊断结果产生一定的影响。所以训练数据应该是类似于那种教科书级别的影像资料。但这种资料的数目肯定不足以完成整个训练过程，所以他们现在愿意通过对方同意提供影像图片从而减免服务费的方式来扩充影像库，但是如何保证基于影像的诊断是正确的，这是个很有挑战性的问题。中国地方广大，人口众多，但医疗水平参差不齐，名医众多但诊断错误的事情其实也不少。广撒网下可以迅速获得大量片子但同样肯定混杂了不少错误案例。如何甄别正确的训练资料，对他们这种刚开始的创业公司来说，应该也是一种挑战。毕竟在医疗这个 关乎人命的领域每多个百分之零点几的准确率，有可能就是几条人命。
从后期应用方面来说：
曾经听一个研究机械学习的博士生说过，由于现有机械学习算法上的缺陷，即使是在非常完美的算法和训练过程下，依然会有很小的几率出现误判。（如有错误请指正）这估计也是为什么他们业务领域的描述是初步筛选和初步诊断报告，诊断的决定权依然是掌握在大夫手中。但是在中国本身的医疗大环境下，一个大夫可能并没有足够的时间来进一步对初步诊断报告进行判断，在这种情况下如果产生医疗纠纷，DeepCare会不会负有连带责任这就难说了。 不过同样的，如果到了这个程度，这家公司应该已经做到了个非常大的规模，不然这样的小概率事件应该不会发生。如果最后的诊断报告仅仅只是表明特征区域或是各种诊断加上对应百分比，这样应该能减轻一部分法律责任。但相对的，他们产品能对医生减轻多大的负担就是个很有意思的问题了。
以上就是一点浅见，因为只是个路人，所以应该会有很多错漏的地方，欢迎指出。
搜了半天，关于这家公司详细的信息不是非常多。
比较清晰的是针对病理切片的图像进行识别和检测。放射影像方面应该是肺部结节的检测筛查、可能会做一些良恶性鉴别，由于实际的资料信息太少，估计还是在初期，产品算法应该还没有成型。
从网上搜到：
“ “像GE、飞利浦、西门子这种大型设备制造商制造的设备都自带智能图像识别技术。 ”
据我了解，GPS好像没有“”自带智能图像识别技术“”