RSS订阅 加入收藏  设为首页
365平台官方网站
当前位置:首页 > 365平台官方网站

365平台官方网站:我们都希望建设一个惠及许多人的项目

时间:2021/9/15 6:04:49   作者:   来源:   阅读:1   评论:0
内容摘要:此外,许多公司在开始时经常发现数据是不够的,而数据是机器学习的燃料。他们在这个时候应该做什么?吴恩达说:“我的典型建议是直接使用小数据集来做一些事情,然后通常收集更多的数据。我发现,对于许多实际应用程序来说,它不同于以模型为中心的方法(您持有修复数据并尝试改进代码),这比修复代码并迭代地改进数据更有用。这是Mops(机...

此外,许多公司在开始时经常发现数据是不够的,而数据是机器学习的燃料。他们在这个时候应该做什么?吴恩达说:“我的典型建议是直接使用小数据集来做一些事情,然后通常收集更多的数据。我发现,对于许多实际应用程序来说,它不同于以模型为中心的方法(您持有修复数据并尝试改进代码),这比修复代码并迭代地改进数据更有用。这是Mops(机器学习操作)的新部分,我认为还没有人真正拥有一个伟大的工具。”

MLOps在人工智能领域是一个相对较新的概念。旨在加快机器学习模型的开发和生产部署,同时确保模型输出的质量。它是数据科学家和操作专业人员之间的协作和交流,以帮助管理机器学习任务,生命周期的实践。MLOps基于DevOps(用于促进开发应用/软件工程、技术运营和质量保证部门之间的交流、协作和集成)的原则和实践的发展,从而提高工作流的效率。


机器学习的进展是由模型还是数据带来的一直是一个巨大的争议。吴恩达在其2021年4月18日生日当天发布的一段视频中表示,机器学习团队80%的工作应该是数据准备。确保数据质量是最重要的任务。MLOps是确保在整个机器学习项目中数据质量高质量和一致的重要工具。吴恩达对此作了进一步的解释。

“在实验室训练人工智能模型,然后发表论文并产生良好结果,这是令人兴奋的。但是当人们看机器学习项目的生命周期时,他们不仅需要训练模型,还需要看项目的范围,决定做什么,什么都不做,收集数据,确保数据的高质量。然后将其投入生产,并在解决任何绩效或公平性问题时评估其表现。”因此,吴恩达认为,如果可以构建这样的工具,那么就可以授权更多的人来构建、部署、维护和有效使用机器学习系统。

“人工智能系统不仅仅是代码,而是代码加上数据。对于代码,我们有一个DevOps规程。在数据方面,为了管理项目中持续的高质量数据流,MLOps需要更多的迭代。他们需要共同努力。”

最后,对于刚毕业的工程师,吴恩达给出了自己的建议:“我发现在人工智能领域表现最好的是‘t型’人才,他们拥有广泛的技术知识基础,在某个领域真正有深度。对于个人来说,这通常是获得广泛技术知识基础的一种非常有效的方式。之后,为了获得更深入的知识,你必须投入到项目工作中。我们都希望建设一个惠及许多人的项目,创造巨大的经济项目。社区也很重要。我认为我们都是被周围的人塑造的,所以我们会找到志趣相投的人彼此分享知识。”



相关评论
本站所有站内信息仅供娱乐参考,不作任何商业用途,不以营利为目的,专注分享快乐,欢迎收藏本站!
所有信息均来自:百度一下 (365平台官方网站)
蜀ICP备13015923号-1