如何建设人工智能项目  | Andrew Ng/是 DeepLearning.AI 的创始人、AI Fund 的普通合伙人、Coursera 的董事长和联合创始人

人工智能项目通常先从明确工作流程入手:机器学习项目依次经历收集数据、训练模型、派送模型,并在上线后根据新数据持续迭代;数据科学项目则更强调收集数据、分析数据、提出假设和行动,再定期回收数据评估效果。前者用语音识别和自动驾驶作例子说明,后者则以电商销售漏斗和生产线优化展示如何从数据中找出影响因素、形成建议并验证成效。后半部分补充了常见技术工具与部署方式,包括 PyTorch、TensorFlow、Hugging Face、Scikit-Learn、GitHub,以及 CPU、GPU、TPU、云部署、本地部署和边缘部署等概念,帮助读者建立对 AI 项目组织方式、工具选择和落地环境的整体认识。

正文

上一章节你学到了 一些 AI 和机器学习的基础 但你如何在项目中使用这些技术, 无论你是想在那些“神奇车库”里做项目, (许多硅谷出身的著名企业都是从创始人的车库发家的,像苹果,谷歌,惠普等) 还是你想在一个更大的公司里做, 或者甚至是做一些 跟你公司战略相符的东西, 让我们一起探索一下, 在这一周里, 你将学到 AI 项目的工作流程 不同的项目有不同的步骤, 就像一个生日派对 有一些特定的流程那样。 首先,你会写出嘉宾列表, 然后选择一个场地, 预定生日蛋糕, 还有发送邀请函等等。

一个 AI 项目也是如此, 有一些既定的步骤 这里,你会学习到 AI 项目的工作流程, 并对构建 AI 项目有些感觉。 其次,你会学到如何选择 AI 项目 表面上看,你会觉得有很多事情需要做。 这周你还会学到一个大概的模式 以帮助你自己,或和朋友一起进行头脑风暴 去选择一个可行的项目去做。 这也可以帮助公司在 选择大项目上有帮助。 最后,你会学到如何组织数据和团队, 这不论对你自己或是和朋友一起, 亦或是企业里更大规模的队伍, 都是重

THE END
分享
评论 抢沙发

请登录后发表评论

    暂无评论内容