女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

AI機器學習項目成功的4件重要事情

汽車玩家 ? 來源:AI公園 ? 作者:datarevenue ? 2020-05-04 11:42 ? 次閱讀

導讀

如果你想要用機器學習來做一些事情,這里列出了 4 件最重要的事情。

如何確保你的項目保持在正軌上。

如果你是產品經理,想要用機器學習來做一些事情,這里列出了 4 件最重要的事情:

1. 優先考慮工程而不是數據科學

一個機器學習項目首先是一個軟件項目。許多數據科學家在構建架構良好、可靠、易于部署的軟件方面缺乏經驗。當你構建一個生產系統時,這將成為一個問題。

根據經驗,**工程師掌握數據科學技能的速度要比數據科學家掌握工程經驗的速度快。**如果有疑問,請與擁有 5 年以上經驗、對人工智能充滿激情的 python 工程師合作,而不是首次嘗試構建商業應用的數據科學博士。

2. 保持高效

盡早降低風險很重要。用具體的里程碑來組織你的項目:

完成原型:查看你的想法是否有希望在 1-2 周內完成

離線測試系統:對模型進行調優,并在 2-4 周內對現有數據進行嚴格測試

在線測試系統:最終確定模型并在 2-4 周內進行測試

上線:自動化數據更新、模型訓練和代碼部署 2-4 周

持續改進:(可選)12 個月

總時間:1-3 個月

一個有經驗的團隊應該能夠為幾乎所有的項目遵循這些時間表。讓團隊在 1-3 個月內建立一個實時系統。上線后,再決定是否值得進一步改進。

這些誘惑會不必要地延長你的項目:

等待完美的數據

使用錯誤的工具(太復雜或太慢)

可擴展性的過度工程化

無休止地玩弄算法(見下一點)

3. 算法不重要

機器學習系統有很多有趣的按鈕可以使用。不要這么干。

這些改進值得花時間(按重要性排序):

獲取更多(相關)輸入數據

對數據進行更好的預處理

選擇正確的算法并進行正確的調優。

算法是最不重要的因素。簡單地選擇一個可行的算法。無休止地升級算法是很誘人的,但它可能不會提供你期望的結果。

4. 交流,交流,交流

分享盡可能多的業務場景

一旦工程團隊開始構建,他們必須做出許多選擇。他們越了解你的輕重緩急,就越能做出正確的決定。至少,你應該告訴他們:

戰略重點

這是一個關鍵的問題嗎?它是否需要每天處理數百萬個請求?這是不是一個未來產品的研究?

目前的問題

目前處理流程是否太長?是不是太不準確了?還是有很多數據沒有機器學習就無法計算?

輸入和輸出

輸入:你(作為一個人)將使用哪些數據來做出正確的決策?輸出:誰將使用輸出?使用的頻率?它需要是實時的嗎?

性能指標

最重要的指標是什么:點擊率?銷售?投資回報?假陽性?

預計精度

如果你想要優化轉化率,那么它可能不值得再花 2 周的時間來獲得 2%的準確率。如果你建立了醫療診斷系統,那么即使是 1%的假陰性也是不可接受的。

TL;DR

工程優先于數據科學。

通過精益來降低風險。

不要被算法分心。

與開發人員共享所有業務需求。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • AI
    AI
    +關注

    關注

    87

    文章

    34306

    瀏覽量

    275488
  • 機器學習
    +關注

    關注

    66

    文章

    8492

    瀏覽量

    134125
收藏 人收藏

    評論

    相關推薦
    熱點推薦

    【「零基礎開發AI Agent」閱讀體驗】+ 入門篇學習

    很高興又有機會學習ai技術,這次試讀的是「零基礎開發AI Agent」,作者葉濤、管鍇、張心雨。 大模型的普及是近三年來的一大事,萬物皆可大模型已成為趨勢。作為大模型開發應用中
    發表于 05-02 09:26

    【「零基礎開發AI Agent」閱讀體驗】+初品Agent

    大模型落地的重要方向,也是AI技術的下一個風口。 因此該書適于對AI感興趣的讀者,尤其是Agent的學習者與開發者,如想要提升工作效率的職場人、推動企業
    發表于 04-22 11:51

    NanoEdge AI Studio 面向STM32開發人員機器學習(ML)技術

    NanoEdge? AI Studio*(NanoEdgeAIStudio)是一種新型機器學習(ML)技術,可以讓終端用戶輕松享有真正的創新成果。只需幾步,開發人員便可基于最少量的數據為其項目
    的頭像 發表于 04-22 11:09 ?472次閱讀
    NanoEdge <b class='flag-5'>AI</b> Studio 面向STM32開發人員<b class='flag-5'>機器</b><b class='flag-5'>學習</b>(ML)技術

    **【技術干貨】Nordic nRF54系列芯片:傳感器數據采集與AI機器學習的完美結合**

    和更多外設接口。無論是運行還是休眠狀態,功耗表現都非常出色! 3. 在傳感器數據采集與AI機器學習中的優勢? 答:主頻高、功耗低,內置專用核處理數據采集,還配備AI加速器,讓
    發表于 04-01 00:00

    AI Agent 應用與項目實戰》----- 學習如何開發視頻應用

    再次感謝發燒友提供的閱讀體驗活動。本期跟隨《AI Agent 應用與項目實戰》這本書學習如何構建開發一個視頻應用。AI Agent是一種智能應用,能夠根據用戶需求和環境變化做出相應響應
    發表于 03-05 19:52

    AI Agent 應用與項目實戰》閱讀心得2——客服機器人、AutoGen框架 、生成式代理

    關系,這種表示方法使得代理能夠更好地理解和預測環境變化。項目的評估結果表明,具備記憶和反思能力的代理在長期交互任務中表現出了更好的適應性和學習能力,這對未來AI系統的設計具有重要的啟發
    發表于 02-25 21:59

    當我問DeepSeek AI爆發時代的FPGA是否重要?答案是......

    AI時代,FPGA(現場可編程門陣列)具有極其重要的地位,主要體現在以下幾個方面: 1.硬件加速與高效能 ? 并行處理能力:FPGA內部由大量可編程邏輯單元組成,能夠實現高度并行的數據處理。這種
    發表于 02-19 13:55

    人工智能和機器學習以及Edge AI的概念與應用

    與人工智能相關各種技術的概念介紹,以及先進的Edge AI(邊緣人工智能)的最新發展與相關應用。 人工智能和機器學習是現代科技的核心技術 人工智能(AI)和
    的頭像 發表于 01-25 17:37 ?837次閱讀
    人工智能和<b class='flag-5'>機器</b><b class='flag-5'>學習</b>以及Edge <b class='flag-5'>AI</b>的概念與應用

    Arm成功將Arm KleidiAI軟件庫集成到騰訊自研的Angel 機器學習框架

    Arm 與騰訊攜手合作,成功將 Arm KleidiAI 軟件庫集成到騰訊自研的 Angel 機器學習框架。 ? 借助 KleidiAI 解鎖卓越性能、能效和可移植性,騰訊混元大模型能夠實現更快
    的頭像 發表于 11-24 15:33 ?1152次閱讀

    使用機器學習和NVIDIA Jetson邊緣AI機器人平臺打造機器人導盲犬

    Selin Alara Ornek 是一名富有遠見的高中生。她使用機器學習和 NVIDIA Jetson 邊緣 AI機器人平臺,為視障人士打造了
    的頭像 發表于 11-08 10:05 ?754次閱讀

    AI大模型與傳統機器學習的區別

    AI大模型與傳統機器學習在多個方面存在顯著的區別。以下是對這些區別的介紹: 一、模型規模與復雜度 AI大模型 :通常包含數十億甚至數萬億的參數,模型大小可以達到數百GB甚至更大。這些模
    的頭像 發表于 10-23 15:01 ?2389次閱讀

    AI for Science:人工智能驅動科學創新》第二章AI for Science的技術支撐學習心得

    人工智能在科學研究中的核心技術,包括機器學習、深度學習、神經網絡等。這些技術構成了AI for Science的基石,使得AI能夠處理和分析
    發表于 10-14 09:16

    RISC-V如何支持不同的AI機器學習框架和庫?

    RISC-V如何支持不同的AI機器學習框架和庫?還請壇友們多多指教一下。
    發表于 10-10 22:24

    AI引擎機器學習陣列指南

    AMD Versal AI Core 系列和 Versal AI Edge 系列旨在憑借 AI 引擎機器學習 ( ML ) 架構來提供突破性
    的頭像 發表于 09-18 09:16 ?716次閱讀
    <b class='flag-5'>AI</b>引擎<b class='flag-5'>機器</b><b class='flag-5'>學習</b>陣列指南

    人工智能、機器學習和深度學習是什么

    在科技日新月異的今天,人工智能(Artificial Intelligence, AI)、機器學習(Machine Learning, ML)和深度學習(Deep Learning,
    的頭像 發表于 07-03 18:22 ?2557次閱讀