【大厂AI课学习笔记】【2.1 人工智能项目开发规划与目标】(1)发现与明确问题

抱歉,过春节这几天,没有更新。赶紧续上。

人就是这样,放假之前呢,想着趁着这个假期,把很多之前没有做好的事情,都梳理好,该补的也补上,结果一个假期就这样过去了,很多想做的事,发现根本没有条件去实现。

今天开始,进入人工智能项目开发的实际步骤了,后面都是干货,大家可以关注我。

人工智能的目标是什么?

AI的目标是将隐藏在一大批数据背后的信息集中处理并提炼,从而总结出研究对象的内在规律。

首先,我们可以把AI的这种能力比作一个“金矿工人”。想象一下,有一座巨大的金矿,里面蕴藏着丰富的黄金,但这些黄金并不是裸露在地表的,而是深藏在矿石之中。AI就像是这位金矿工人,它的任务就是从这些矿石(即数据)中提炼出黄金(即有价值的信息)。

不过,AI并不是简单地拿起一块矿石就能找到黄金的。它需要经过一系列复杂的处理过程。这包括数据的清洗、整理、转换等步骤,以确保数据的质量和一致性。这就像金矿工人需要先对矿石进行破碎、筛选和洗涤等操作,以去除其中的杂质和无用部分。

接下来,AI会利用各种算法和模型来“挖掘”数据中的内在规律。这些算法和模型就像是金矿工人手中的工具和机器,它们能够帮助AI更高效地处理和分析数据。通过不断地学习和优化,AI能够逐渐识别出数据中的模式、趋势和关联,从而揭示出研究对象的内在规律。

最终,AI将这些提炼出来的信息呈现给我们,帮助我们更好地理解研究对象的本质和行为。这就像金矿工人将提炼出来的黄金交给我们一样,我们可以利用这些黄金(信息)来做出更明智的决策、解决实际问题或者推动科学研究的进展。

需要注意的是,AI在处理数据时并不是完全客观的。它所揭示的内在规律可能受到算法设计、数据质量等多种因素的影响。因此,在使用AI的结果时,我们需要保持审慎和批判的态度,结合其他证据和专业知识来进行综合判断。

总之,AI的目标是从大量数据中提炼出有价值的信息,并揭示研究对象的内在规律。这一过程需要经过复杂的数据处理和算法挖掘等步骤,就像金矿工人从矿石中提炼黄金一样。通过利用AI的能力,我们可以更好地理解和应对现实世界的挑战。

那么,一个AI项目,可能需要投入更大的人力和财力,那么,我们和其他项目一样,要思考一些技术和业务角度的问题。

——从技术角度看

技术角度:性能能达到预期吗?需要多少数据?能够获取到吗?需要多久?

——从业务角度看

业务角度:要解决什么问题,商业目的是什么?

这叫做可行性的判断。

二者相辅相成,缺一不可。

由于公司里岗位权限,分工的不同,可能这是2个人员所负责的内容,所以AI项目更是一把手工程,要统筹分析。

这个思维的三角,缺一不可。

数据分析:通过统计、机器学习、深度学习方法,对大量的数据进行计算、汇总和整理,最大化开发数据价值,发挥数据的作用。 

延伸学习:

作为人工智能专家,对于人工智能项目的目标评估,确实需要从多个角度进行全面分析。以下是从数据分析、技术分析、业务分析等角度的评估方法,以及推荐的步骤:

一、数据分析

  1. 数据收集:首先,收集与项目相关的所有数据,包括历史数据、实时数据、结构化数据和非结构化数据等。
  2. 数据清洗:对收集到的数据进行清洗,去除重复、错误或无关的数据,确保数据的准确性和完整性。
  3. 数据探索:通过统计描述、可视化等手段,初步了解数据的分布、特征、关联性等。
  4. 特征工程:根据业务需求和模型要求,对数据进行特征提取、转换和处理,以提高模型的性能。
  5. 数据划分:将数据划分为训练集、验证集和测试集,以便进行模型训练和评估。

二、技术分析

  1. 算法选择:根据项目的具体需求和目标,选择合适的机器学习或深度学习算法。
  2. 模型构建:基于选定的算法,构建人工智能模型,并设置合适的超参数。
  3. 模型训练:使用训练集对模型进行训练,通过迭代优化和调参,使模型达到最佳性能。
  4. 模型评估:使用验证集对训练好的模型进行评估,包括准确率、召回率、F1分数等指标。
  5. 模型优化:根据评估结果,对模型进行优化,如调整超参数、增加数据多样性等。

三、业务分析

  1. 需求分析:深入了解项目的业务背景、目标和需求,确保人工智能解决方案与业务需求相匹配。
  2. 场景分析:分析项目所在场景的特点和挑战,以便针对性地设计解决方案。
  3. 成本效益分析:评估项目的成本投入与预期收益,确保项目的可行性和盈利性。
  4. 风险评估:识别项目潜在的风险和障碍,并制定相应的应对措施和预案。
  5. 持续改进计划:根据项目的实际情况和业务需求的变化,制定持续改进计划,以确保项目的长期成功。

四、推荐步骤

  1. 明确项目目标和业务需求:在开始任何分析之前,首先要明确项目的目标和业务需求,确保后续的分析工作能够围绕这些核心展开。
  2. 进行数据收集和处理:按照上述数据分析的方法,收集并处理相关数据,为后续的模型训练和评估提供基础。
  3. 选择合适的算法和构建模型:根据项目的具体需求和目标,选择合适的算法并构建相应的人工智能模型。
  4. 进行模型训练和评估:使用处理好的数据对模型进行训练和评估,确保模型能够满足业务需求并达到预期性能。
  5. 制定实施计划和持续改进计划:在模型训练和评估的基础上,制定项目的实施计划和持续改进计划,以确保项目的顺利实施和长期成功。同时,也要关注项目的成本效益和风险评估,确保项目的可行性和盈利性。

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/686262.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

单反相机用sd卡还是cf卡?相机cf卡和sd卡区别

随着科技的进步,单反相机成为了摄影爱好者和专业摄影师的必备工具。而在选择单反相机存储介质时,CF卡和SD卡成为了两种常见的选择。它们各有优缺点,适用于不同的摄影需求和场景。本文将深入探讨单反相机使用SD卡还是CF卡的问题,并…

stm32:pwm output模块,记录一下我是用smt32,输出pwm波的记录--(实现--重要)

我是实现了输出pwm波,频率固定,占空比可以不断调整的方法,将PA0接到示波器上,可以看到是一个标准的PWM波,如图下面示波器图。 1,首先是ioc的配置 我刚开始设置的分频的倍数是7199,使得分频的太…

【C++搜索】体积

题目描述 给你n个物品,每种物品有一个体积Vi,求从中取出若干物品能够组成的不同的体积和有多少种可能。例如,n3,Vi(1,3,4),那么输出6。6种不同体积和具体为1,3,4,5,7,8。 输入 第一行一个整数n; 第二行…

设备驱动开发_2

编译和调试 主要内容 写一个可加载模块编译和加载一个可加载模块使用printk 进行跟踪和调试使用跟踪和调试1 写一个可加载模块 内核头文件 linux/module.h module_init(e1000_init_module) static int __init e1000_init_module(void) module_exit (e1000_exit_module) stati…

Fiddler抓包(网页、手机、MUMU模拟器)

前置条件:电脑上下载安装好了Fiddler,有浏览器 一、网页抓包 1、fiddler下载安装证书 Tools-Options 勾选下面两个框 点击下面的选项,信任证书 会弹出弹窗,点击yes(这个时候注意,DO_NOT_TRUST_FiddlerRo…

七天入门大模型 :大模型量化及低成本部署最佳实践

七天入门大模型已完成了5篇,喜欢记得收藏、关注、点赞。 七天入门大模型 :LLM大模型基础知识最全汇总七天入门大模型 :提示词工程 Prompt Engineering,最全的总结来了!七天入门大模型 :LLM和多模态模型高效…

数据结构实验之栈与队列七:出栈序列判定

数据结构实验之栈与队列七:出栈序列判定 Description 给一个初始的入栈序列,其次序即为元素的入栈次序,栈顶元素可以随时出栈,每个元素只能入栈依次。输入一个入栈序列,后面依次输入多个序列,请判断这些序…

【web | CTF】BUUCTF [BJDCTF2020]Easy MD5

天命:好像也挺实用的题目,也是比较经典吧 天命:把php的MD5漏洞都玩了一遍 第一关:MD5绕过 先声明一下:这题的MD5是php,不是mysql的MD5,把我搞迷糊了 一进来题目啥也没有,那么就要看…

物理机安装kali

ventoyU盘,ventoy做好后把kali的iso拷贝到U盘,设置U盘启动,选择kali.iso启动。 安装包 文件SHA256发布日期大小ventoy-1.0.97-windows.zip44fb53f26872c6304e1cb3d47b65d0613665666100c48deeee4cd87901fb500f2024-01-2415 MBventoy-1.0.97-linux.tar.g…

Python OpenCV 牛刀小试(练习)

BGR与RGB OpenCV在读取图像时,默认的颜色空间是BGR(蓝绿红),而在大多数其他的图像处理库和图像格式中,使用的颜色空间是RGB(红绿蓝)。因此,当你需要使用OpenCV处理图像,然…

python系统学习Day3

section4 python function part one:函数的参数 python函数的参数共有五种类型 #位置参数 def power(x):return x * x#默认参数 def power(x, n 2) #设置默认值(可省略)s 1while n > 0:n n - 1s s * xreturn s#note print(默认参数必…

人工智能学习与实训笔记(十五):Scikit-learn库的基础与使用

人工智能专栏文章汇总:人工智能学习专栏文章汇总-CSDN博客 本篇目录 一、介绍 1. 1 Scikit-learn的发展历程及定义 1.2 理解算法包、算法库及算法框架之间的区别和联系 二、Scikit-learn官网结构 三、安装与设置 3.1 Python环境的安装与配置 3.2 Scikit-lea…

【leetcode刷题之路】面试经典150题(1)——数组/字符串

文章目录 1 数组/字符串1.1 【排序】合并两个有序数组1.2【双指针】移除元素1.3 【双指针】删除有序数组中的重复项1.4 【双指针】删除有序数组中的重复项 II1.5 【数学】多数元素1.6 【数组】轮转数组1.7 【动态规划】买卖股票的最佳时机1.8 【贪心】买卖股票的最佳时机 II1.9…

【Windows】MacOS制作纯净版Windows10安装U盘

方法一、在window系统中更新win10(不更新引导程序) cp -rp /Volumes/Windows10专业版\ 64位/* /Volumes/WIN10/https://baijiahao.baidu.com/s?id1760695844372493842&wfrspider&forpc 方法二、在window系统中更新win10(更新引导程…

《Docker极简教程》--Docker容器--Docker容器的创建和使用

一、创建Docker容器 1.1 使用现有镜像创建容器 当使用现有镜像创建容器时,通常会涉及以下步骤: 获取镜像:首先,需要从Docker Hub或其他镜像仓库获取所需的镜像。可以使用docker pull命令来获取镜像,语法如下&#x…

45. 跳跃游戏 II(难度:中等)

题目链接:https://leetcode.cn/problems/jump-game-ii/ 题目描述: 给定一个长度为 n 的 0 索引整数数组 nums。初始位置为 nums[0]。 每个元素 nums[i] 表示从索引 i 向前跳转的最大长度。换句话说,如果你在 nums[i] 处,你可以跳…

软件实例分享,洗车店系统管理软件会员卡电子系统教程

软件实例分享,洗车店系统管理软件会员卡电子系统教程 一、前言 以下软件教程以 佳易王洗车店会员管理软件V16.0为例说明 软件文件下载可以点击最下方官网卡片——软件下载——试用版软件下载 1、会员卡号可以绑定车牌号或手机号 2、卡号也可以直接使用手机号&a…

【Java万花筒】优雅配置,从容应对:Java配置管理库深度解读

灵活应对变化:Java配置管理库全景解析 前言 在构建现代化的Java应用时,配置管理是一个至关重要的方面。精心设计的配置管理能够为应用提供灵活性、可维护性和适应性,而Java社区提供了多种优秀的配置管理库。本文将深入探讨一些主流的Java配…

优秀的电机驱动MCU:MM32SPIN360C

DC-DC电源布局注意点: 电源模块布局布线可提前下载芯片的datasheet(数据表),按照推荐的布局和布线进行设计。 1) 芯片电源接近原则: 对于为芯片提供电压的开关电源,应确保它尽量靠近芯片放置。这样可以避…

2024 CKS 题库 | 8、沙箱运行容器 gVisor

不等更新题库 CKS 题库 8、沙箱运行容器 gVisor Context 该 cluster 使用 containerd 作为 CRI 运行时。containerd 的默认运行时处理程序是 runc 。 containerd 已准备好支持额外的运行时处理程序 runsc (gVisor)。 Task 使用名为 runsc 的现有运行时处理程序,…