【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

本文主要是介绍【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,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

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。

 

 

这篇关于【大厂AI课学习笔记】【2.1 人工智能项目开发规划与目标】(1)发现与明确问题的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/718698

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

这15个Vue指令,让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件,按住 Control 和回车键再显示它吗?小菜一碟: <template

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

Hadoop企业开发案例调优场景

需求 (1)需求:从1G数据中,统计每个单词出现次数。服务器3台,每台配置4G内存,4核CPU,4线程。 (2)需求分析: 1G / 128m = 8个MapTask;1个ReduceTask;1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务(4    3    3) HDFS参数调优 (1)修改:hadoop-env.sh export HDFS_NAMENOD

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

如何用Docker运行Django项目

本章教程,介绍如何用Docker创建一个Django,并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口,映射到宿主机的80端口上。 docker run -itd --name python311 -p

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;