让DevOps适合认知及人工智能系统.docVIP

让DevOps适合认知和人工智能系统 认知系统为构建有强大的智能作为支撑的新型应用程序提供了绝佳机会。这些新应用程序需要用 一种新方式來思考开发流程。DevOps概念增强了传统的应用程序开发，它将运营考虑因素融入到了 开发时间、执行和流程中。在本教程中，我们将概述一种“认知DevOps”流程，该流程改进和调整 DevOps的最佳部分，以获得新的认知应用程序。具体来讲，我们将介绍如何对认知系统的训练流程 应用DevOps,包括训练数据、建模和性能评估。 认知任务类型 从根本上讲，认知或人工智能(AI)系统具有从数据中理解、推理和学习的能力。从更深层次讲, 该系统建立在各种不同类型认知任务的组合的基础上，这些任务组合在一起后，构成了整个认知应用 程序的一部分。这些任务包扌舌： 实体提取 段落检索 文本分类 语调和情绪检测 知识提取 语言翻译 语咅转录 计算机视觉 图1.认知任务 Speech ProcessingPlanni ngComputer Visio nNatural Language ProcessingKnowledge RepresentationDeductionReas oning:Machine learningDeep learningConte nt ingestion manageme nl DataDomai n modelsScale out compute认知系统所基于的科学包括但不限于机器学习（ML）,机器学习包括深度学习和白然语言处理。 这些组件能表现出认知系统的一种或多种能力（比如理解、推理、学习和交互）。这些认知系统利用 来自内部、第三方、购买的和开源的结构化和非结构化数据，发掘可操作的洞察和知识。与容易在数据库屮组织和筛选的结构化数据不同，从传统上讲，非结构化数据需要人来理解。非 结构化数据的示例包括用口然语言编写的文档、录咅、图像，其至是社交媒体文章等。这些类型的（非 结构化）数拯是我们在企业屮每天处理的数据，包插研究报告、贷款文件、备忘录、呼叫中心录音或 产品评论。图2.企业内外的各种类型的非结构化数据Call cen tertra “scriptsCall ce nter recordi ngsProduct reviewsNews Speech Processing Planni ng Computer Visio n Natural Language Processing Knowledge Representation Deduction Reas oning :Machine learning Deep learning Conte nt ingestion manageme nl Data Domai n models Scale out compute 认知系统所基于的科学包括但不限于机器学习（ML）,机器学习包括深度学习和白然语言处理。 这些组件能表现出认知系统的一种或多种能力（比如理解、推理、学习和交互）。这些认知系统利用 来自内部、第三方、购买的和开源的结构化和非结构化数据，发掘可操作的洞察和知识。 与容易在数据库屮组织和筛选的结构化数据不同，从传统上讲，非结构化数据需要人来理解。非 结构化数据的示例包括用口然语言编写的文档、录咅、图像，其至是社交媒体文章等。这些类型的（非 结构化）数拯是我们在企业屮每天处理的数据，包插研究报告、贷款文件、备忘录、呼叫中心录音或 产品评论。 图2.企业内外的各种类型的非结构化数据 Call cen tertra “scripts Call ce nter recordi ngs Product reviews News research reports Troubleshooting manuals Language Dictated emails Customer survey resporises Profile write-up Loan regulation documents Agent trai ning audio Speech Visio n Product images Accident pictures Social media images Video clips 这些认知或Al系统的训练采用监督学习技术，其中含有由一位或多位主题专家（SME）创建的 标签化事实库。事实庫代表着各个学习算法要符合或适应的“黄金标准”数据。创建事实库的过程对 训练和测试认知系统非常重要。作为事实库创建流程的一部分，特征工程步骤也会并行执行。使用基 于深度学习的方法或使用和训练來自IBM Watson的平台APT时，会基于事实库为您自动选择特征。 训练并部署模型和系统后，不一定惫味着工作完成了。认知系统必须保持最新，不断