清华社课件人工智能导论第7章 人工智能实践.pptxVIP

第七章人工智能实践

2本章导入：AI落地不是只训练模型从“训练一个模型”扩展到“开发一个可复现、可部署、可迭代的系统”数据采集→模型训练→效果评测→模型导出→模型部署→迭代优化数据是否规范格式、标签、切分、泄露控制决定评测是否可信。算力是否匹配显存、带宽、精度与部署形态决定任务能否跑通。算法是否合适学习范式、损失函数、评测指标必须服务业务目标。模型效果不好时，应该先换模型，还是先检查数据与评测？

3AI项目开发的全流程数据版本记录采集、清洗、标注规则训练配置保存参数、环境、随机种子评测报告固定指标、切片、误差分析导出模型关注格式、精度、兼容性部署镜像保证环境一致与可回滚

4AI实践三要素项目成败取决于三者是否匹配，而不是单看算法是否先进数据Data决定模型能学到什么：格式可读、标签一致、切分合理、无信息泄漏。算力Compute决定任务能否跑通、跑快：显存、带宽、多卡、数值精度。算法Algorithm决定学习方式：监督信号、训练范式、损失函数、评测指标。核心判断：三要素是否共同服务业务目标与资源约束

5AI实践三要素：数据可用数据≠可训练数据?格式可被程序稳定读取：文件、字段、编码、缺失值处理一致。?标签含义一致：同一类别、同一标注规则不能前后漂移。?训练/验证/测试切分无信息泄漏：评测可信的前提。采集清洗标注质检增强切分回流优化数