2016年2月27日，RapidMiner China 在上海成功组织了深度学习社区聚会，此次聚会大约30多位会员到场，同时，深度学习微信群的500多名成员也在线关注了聚会。
Tom Young 博士首先介绍了深度学习在医疗领域的应用。
接着，RapidMiner China 在会上宣布发布 RapidMiner DL4J 扩展，作为对 RapidMiner 平台现有的深度学习功能的补充，该扩展让 RapidMiner 用户无需编程就能享用更高级的深度学习功能。
RapidMiner DL4J 扩展由 RapidMiner China IT 工程师 Anson Chen 基于 Skymind 的深度学习库即 Deeplearning4j（DL4J）开发。它目前有8个算子，由于扩展包（rapidminer-extension-dl4j-pack-0.6.0-all.jar，约为150MB）本身包含了所有 DL4J 库，所以无需再在客户端安装其他组件（除非您需要使用 GPU，即图形处理器）。
支持 CNN（卷积神经网络）和多层类神经网络
可在神经网络内拖拽添加层
大量可供调整的参数
模型训练可嵌套在RapidMiner的优化算子内，以便于调整
能为不同层级分别命名
如果客户端系统允许，将并行训练模型
如果客户端系统允许，将自动切换到GPU
更多文档和教程流程
集群支持（AWS,Spark等）
模型可视化和模型调整
高效自动化参数选择
更多神经网络和更多层级的类型
Word2Vec 将支持更多类型的文件／文档输入
该深度学习扩展开源且对所有 RapidMiner 社区用户免费开放，可在 RapidMiner China 官网下载：https://www.rapidminerchina.com/en/products/shop/product/deeplearning4j/
RapidMiner 是一个开放的预测性分析平台，它让您能轻松开发您自己的扩展和算子。RapidMiner 为开发者们提供了一本如何扩展 RapidMiner 的指导手册，可在RapidMiner China 官网上下载（如需帮助，也可联系我们）：https://www.rapidminerchina.com/wp-content/uploads/pdf/book/How_to_extend_RapidMiner_Guide.pdf