本章学习目标了解人工智能的学习模式.pdf

本章学习目标 了解人工智能的学习模式 • 熟练掌握基于人工智能定制化训练服务平台的应用开发 • 熟练掌握人工智能模型的性能评估 • 了解人工智能产品智商评测 • , 本章首先论述人工智能学习模式 接着介绍目前流行的人工智能定制化训练平台并给 , 。 出应用指引范例 最后讨论人工智能模型的性能评估和产品智能水平 , , 随着机器学习 尤其是深度学习在复杂数据上的表现越来越优秀 很多开发者希望能将 。 , 其应用到自己的服务或产品中 从整体而言 构建我们自己的机器学习应用首先需要收集 , 。 数据 并执行复杂而烦琐的数据预处理 随后则需要面对如何选择模型与各种层出不穷的 。 , , , 修正结构的问题 然后 在训练中 需要有丰富的调参经验与各种训练技巧 还需要根据数 。 , , 据情况选择与修正最优化方法 最后 考虑工程化问题 将机器学习模型部署在应用场景 。 , , 、 中 目前在 上有很多优秀的机器学习开源项目 例如 各种预训练深度卷积网络 高 GitHub , , 度封装的算法以及大量开放数据集 不过要想复现以及根据实际情况调整这些项目 开发者还 。 , , 是需要一些机器学习领域知识 此外 很多项目的文档说明与技术支持都有待提高 它们需要 , 。 , 开发者一点点调试与试错 才能正确搭建 更重要的是 将训练后的模型部署到移动端等平台 , 。 会遇到非常多的困难 这主要还是由于当前流行的深度学习框架并不能完美支持模型部署 , , 对于很多不太了解机器学习算法工程的开发者而言 部署机器学习开发环境 完成机器 。 , , 学习算法研发流程还是有非常大的挑战 此外 若机器学习不是产品的核心技术 额外维护 。 , 机器学习算法团队的成本又非常高 因此 很多时候我们需要一种能快速使用高性能深度 。 , , 学习的方法 所以对于不太了解机器学习的开发者而言 最好将机器学习算法研发 模型部 。 , 署等过程都自动化 例如我们只需要收集少量和任务相关的数据 并直接在平台上完成标 , , 注 然后让系统帮我们选择合适模型与超参数进行训练 最后已训练模型还可以直接部署到