张飞软硬开源基于STM32 BLDC直流无刷电机驱动器开发视频套件,👉戳此立抢👈

如果你将踏上机器学习工程师就可能遇到 Daniel Bourke 相似经历

新机器视觉 2019-07-16 09:57 次阅读

机器学习工程师的秘密。

如果未来的你将踏上机器学习工程师这条道路,那你很大可能将遇到和机器学习工程师 Daniel Bourke 相似的经历。在这一年的机器学习相关工作中,他发现很多事情都和想象的不同,有些事情也许看似没有意义,却价值无穷。

于是,他将这些经历与感悟总结起来,写成了下面这篇文章。AI 科技评论将其编译如下,相信这些经历与建议也会给未来将踏入 AI 行业的你带来很大的启发。

工作站,家庭办公室和艺术工作室(照片由作者提供)

引入

实际上,机器学习和数据科学领域所涉及的工作并非想象那么单一;相反的是,它所涵盖的内容非常广泛。往往一位数据科学家所做的与另一位会有很大的不同。机器学习工程师也是如此,只有在使用历史(数据)来理解或预测未来(建模)这方面比较相似。

为了将这些要点展现在下文中,我首先解释一下我工作中所担任的角色。我们有一个小机器学习咨询团队,其中的内容包含了从数据收集到操作、模型构建再到能想到的每个行业的服务部署,所以我们每个人都扮演着多种角色。

作者 Daniel Bourke 的社交动态

工作日常

早上 9 点我走进办公室,问候大家早安,然后把食物放在冰箱里,倒一杯咖啡,走到我的办公桌前坐下,看前一天的笔记,顺便打开 Slack ,阅读消息以及团队共享论文或博客文章的链接。这个领域发展很迅速,因此每天都有一些新文章。

所以通常在读完未读消息后,我会花一阵时间来浏览论文和博客文章,并仔细研究那些理解起来较困难的内容。这其中,有一些内容可能对我正在做的工作有所帮助。

关于阅读时长:一般来说,阅读会花费我大概一个小时甚至更久,这取决于文章本身。有些朋友会疑惑为什么我在阅读上花费这么久的时间。但在我看来,阅读是一种终极元技能。因为一旦有更好的方式来完成我当前在做的事情,我可以通过学习并使用它,从而节约更多的时间和精力。但阅读也有特殊情况,如果有一个项目的截止日期临近,那么我将把阅读时间缩短来推进该项目。

然后我会检查前一天的工作,检查我的记事本所记下的被搁置的工作,这是每天最重要的一部分。

我的记事本是当天的流动日记,例如:「我已经将数据处理为正确格式,现在需要在模型中运行它。我将训练的启动变得迅捷,当程序完成后就马上进行训练。」如果我在工作过程中遇到了困难,则会写下类似于:「发生了数据不匹配的情况,接下来我将尝试修复混合匹配,并在尝试新模型之前获得基线。」

然后到下午 4 点,我会开始整理今天的工作,包括:整理写下的混乱代码,使其清晰明了,然后添加注释,最后将它们进行更好的组合。因为我常常会想,如果其他人不得不读这个怎么办?而刚好通常阅读这个代码的人就是我自己,我还经常会在短时间内忘记一连串的思路......

下午 5 点时分,我的代码已经被更新在 GitHub 上了,然后我就会在笔记本上记下第二天要做的事情。

这是理想的一天,但并非每一天都如此。有时我也可能在下午 4:37 时,突然产生一个新颖的想法,然后去尝试完成它。

现在你已经大致了解机器学习工程师日复一日的工作日常了,接下来我将具体阐述在工作中所学到的一些关于机器学习的经验与教训。

1. 机器学习始终与数据有关

很多时候,机器学习工程师会专注于构建更好的模型,而不是改进构建它的数据。尽管构建更大的模型并使用更强的计算能力可以提供令人兴奋的短期结果;但是只在意眼前,你最终会在长期目标上栽跟头。

首次接触一个项目时,请花费大量「不正常」的时间去熟悉数据。我这里说的「不正常」,通常是你预估时间的三倍。但从长远来看,这将节省你的时间。

这并不意味着你不应该从细节着手,因为对于任何新数据集,你首先应该明确的目标是成为这方面的「专家」。检查分布、找到不同类型的特征、异常值在哪儿、为什么它们是异常值……如果你无法讲出当前使用的数据信息,那又怎么让模型更好的处理这些数据呢?

探索性数据分析生命周期的示例,更多关于探索性数据分析的详细介绍(https://towardsdatascience.com/a-gentle-introduction-to-exploratory-data-analysis-f11d843b8184)

2. 沟通问题比技术问题困难

我遇到的大多数主要障碍都不是技术性的,而是沟通问题。当然也总是存在技术挑战,不过我认为这是工程师自身理应解决的难题。

永远不要低估内部和外部沟通的重要性,没有什么比解决「错误」的技术挑战更糟的了。这个「错误」是怎么发生的呢?

从外部来看,这并不是客户所追求的与机器学习提供的东西不匹配,而是们可以提供的东西与客户需求不匹配;而在内部,因为很多人都有多项工作内容,所以很难确保每个人都能将整个项目很好的整合起来。

外部问题如何解决?答案就是:下到基层。你的客户是否了解你可以提供的服务?你了解你的客户的问题吗?他们是否了解机器学习可以提供什么以及它不能提供什么?怎样更有效的传达你的想法?

而对于内部问题,根据尝试解决问题的软件工具数量,你就能大概判断出内部通信有多难:Asana,Jira,Trello,Slack,Basecamp,Monday,Microsoft Teams。我找到的最有效的方法之一是在一天结束时,每个人在相关项目频道中进行简单的工作内容更新。更新内容包括:3-4 个工作重点、我做了什么、为什么,以及根据以上内容我接下来要做什么。这个方法完美吗?并不,但似乎很有效。它给了我一个机会来反思我做了什么和我想从大家那里得到的建议与意见。

无论你是多么优秀的工程师,你维护产品的能力和获得新业务的能力都与你沟通技巧以及这些沟通所带给你的益处息息相关。

3. 通常来讲,稳定性优于最先进的技术

现在有一个自然语言问题:将文本分类到不同的类别,目标是让用户将一段文本发送到服务并将其自动分类为两个类别之一;如果模型对当前问题把握不准,那么将文本传递给人类进行分类;每天的负载约为 1000-3000 个请求,标准规模大小。

尽管 BERT(https://github.com/google-research/bert )这一年一直很火,但如果在这个任务中我们不用谷歌的大规模计算,而采用 BERT 训练模型来做的话,我们需要的东西需要改动很多内容,而且这还是在投入生产之前需要进行的工作。

相反,我们使用了另一种方法 ULMFiT,尽管它不是最先进的,但仍然能够产生期望的结果,并且使用起来更容易。

作者语录:「Shipping something which works provides far more value than sitting on something you』re trying to push to perfection.」

4. 机器学习中的两个鸿沟

将机器学习运用到实践中存在两个鸿沟。一个是从课程工作到项目工作的鸿沟,另一个是从笔记本中的模型到生产模型(模型部署)之间的鸿沟。

互联网搜索机器学习课程会返回大量的内容结果,我用了很多来完成自己的 AI 硕士学位(https://hackernoon.com/my-self-created-ai-masters-degree-ddc7aae92d0e  )。

但即使在学完了许多最好的课程后,当我开始担任机器学习工程师时,我的技能仍然是建立在课程的结构化主干上;但在实际工作中,项目并非按照课程那样安排得井井有条。

我缺乏一些具体的知识,而这些知识并不能从课程中得到。例如:如何质疑数据?需要探索什么数据?需要利用什么数据?

那么如何修正这个问题呢?我很幸运能够成为澳大利亚最优秀的人才,但我也愿意学习并愿意做错。错误当然不是目标;但为了正确,你必须弄清楚什么是错的。如果你正在通过一门课程学习机器学习,那么继续学习这门课程,但你需要通过在自己的项目上工作,把你正在学习的东西放到实践中,用特定的知识武装你自己。

作者语录:「Specific knowledge: skills which can』t be taught in a course but can be learned.」

至于如何进行部署,在这点上我仍然做得不够好,但我注意到了一种趋势,即机器学习工程和软件工程正在融合。通过像 Seldon,Kubeflow 和 Kubernetes 这样的服务,很快机器学习将成为堆栈的另一部分。在 Jupyter 笔记本中构建模型是一回事,但是如何让数千甚至数百万人使用该模型呢?根据最近在 Cloud Native 活动上的讨论情况来看,似乎大公司以外的人都不知道如何做到这一点。

5. 20%的时间

我们有一个规则——20%的时间。这意味着我们 20%的时间都会花在学习上。这里指的学习非常广泛,只要是机器学习相关的都属于学习范畴,并且我们身边能够找到有很多这样的知识。

事实证明,这不仅仅是宝贵的,BERT 的 ULMFiT 使用时间也是 20%。20%的时间同时意味其余 80%将用于核心项目,即80%将用于核心产品(机器学习专业领域),20%用于与核心产品相关的新事物。

它并不总是需要分得这样清楚,但这样的分配是一个很好的目标。如果你的业务优势在于现在所做的最好,那么未来的业务则取决于你继续做最擅长的事情,也就是不断学习所得。

6. 阅读十分之一的论文,并采用更少数量的论文

这是一个粗略的数字。但探索任何数据集或现象,你很快就会发现这个规律随处可见。这是 Zipf 定律(https://en.wikipedia.org/wiki/Zipf%27s_law  )或 Price 定律(https://en.wikipedia.org/wiki/Price%27s_model  )其中之一,换句话说,在每年数以千计的提交中,可能会有 10 篇开创性的论文;而在这 10 篇开创性的论文中,有 5 篇可能来自同一所研究所或个人。

你无法跟上每一个新的突破,但可以在获得基本原则的坚实基础下应用它们。这些基础经受住了时间的考验,新突破也是基于这些基本原则实现了突破。

接下来是探索与开发问题。

7. 成为你自己最大的质疑者

探索与开发问题是尝试新事物和重新应用已经发挥作用事物之间的两难选择,但是你可以通过成为自己最大的质疑者来处理探索与开发问题。

探索——通常来讲,运行已经使用的模型并获得高精度数字是一件很容易的事情,然后我们会将其作为新基准报告给团队。但是如果你得到了一个更好的结果,记得返回检查你的工作,并再次让你的团队这样做。因为你是一名工程师兼科学家,时刻需要严谨。

开发——20%的时间花费在开发上是有帮助的,但如果你是在核心产品上花费 70%,在这个产品的二次开发上再花费 20%,而在 moonshots(可能短期之间不会起作用的事情)上花费 10%,这样 70/20/10 的时间分配可能会更好。尽管我从来没有在工作中刻意这样安排,但这是我努力的方向。

8.「玩具问题」非常有效

特别是在为了帮助理解一个新概念、建立一些小事、数据集中的相关或者不相关一部分等问题上,将这些问题缩小到一个更小的「玩具问题」,是一个很有效的处理方法。

在一个小团队中,处理问题的诀窍是先让事情有效,然后再进行快速迭代。

9. 橡皮

如果遇到问题,你坐下来盯着代码可能会解决问题,也有可能不会。相反,与同事探讨一下,假装他们是你的橡皮鸭,可能事情会很容易解决,比如:

「Ron,我正在尝试遍历这个数组并跟踪它的状态,同时循环访问另一个数组并跟踪状态,然后我想将这些状态组合成一个元组列表。」

「循环中的循环?你为什么不把它矢量化呢?」

「我能这样做吗?」

「让我们来看看。」

10. 从头开始构建的模型数量正在下降(或者至少你不需要开始重新构建)

这和机器学习工程与软件工程的融合有关。除非你的数据问题非常具体,否则许多主要问题非常相似,比如:分类、回归、时间序列预测、建议。

谷歌和微软的 AutoML 等服务正在为每个可以上传数据集并选择目标变量的人提供世界一流的机器学习。而在开发人员方面,你有像 fast.ai(https://github.com/fastai/fastai  )这样的库,它们可以在几行代码中提供最先进的模型,以及各种模型动画(一组预先构建的模型),如 PyTorch hub(https://pytorch.org/hub  )和 TensorFlow hub(https://www.tensorflow.org/hub  )提供相同的功能。

这意味着了解数据科学和机器学习的基本原理仍然是我们所需要做的,但是知道如何将它们应用到实际问题中则更有价值。

11. 数学还是代码?

对于我所处理的客户问题,我们都是代码优先。所有的机器学习和数据科学代码都是 Python。有时我会通过阅读论文并复现它来学习数学,但 99.9%的情况下,现有的框架都包含了数学。

这并不是说数学是不必要的,毕竟机器学习和深度学习都是应用数学的形式。掌握最小矩阵操作、一些线性代数和微积分,特别是链式法则(https://www.khanacademy.org/math/ap-calculus-ab/ab-differentiation-2-new/ab-3-1a/v/chain-rule-introduction  )足以成为一名工程开发者。

请一定要记住,我们的目标不是发明一种新的机器学习算法,而是向客户展示潜在的机器学习对他们的业务有(或没有)帮助。

12. 你去年所做的工作明年可能会无效

这是一定的,因为软件工程和机器学习工程的融合,这种情况正在变得越来越明显。

但这正是你进入这个行业的原因。框架将发生变化,图书馆将发生变化,什么会保持不变?基础统计数据、概率、数学,这些事情都没有过期日期。所以,最大的挑战仍然是:如何应用它们。

原文标题:一位机器学习工程师的独白:影响你未来职业生涯的 12 件小事

文章出处:【微信号:vision263com,微信公众号:新机器视觉】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

【5月12】不懂编程没关系,邀请您来学AI

不懂编程没关系,邀请您来学AI活动概述:本活动是现场讲座,由台湾知名AI教育专家、金门创新学院院长、台湾Android技
发表于 05-24 00:00 0次 阅读
【5月12】不懂编程没关系,邀请您来学AI

Arm布局物联网市场推动AI市场的发展

“我们AI的策略是以计算平台为核心,首先在终端侧优势领域落地,逐步切入云端、边缘侧,核心还是通过提供....
发表于 08-17 10:02 19次 阅读
Arm布局物联网市场推动AI市场的发展

机器人的发展将在未来渗透我们的各行各业

技术的快速发展让机器人渗透进各行各业,也越来越接近消费终端。在人工智能的助推下,服务型机器人正快速崛....
发表于 08-17 09:45 13次 阅读
机器人的发展将在未来渗透我们的各行各业

安防运维领域发展迅猛,企业该如何把握机遇

在安防边界日益扩大的今天,以AI视频监控为代表的安防产品已经带有跨地域、跨行业、跨应用、数量巨大的特....
发表于 08-17 08:13 14次 阅读
安防运维领域发展迅猛,企业该如何把握机遇

工业物联网成功的商业模式分析

幸运的是,工业物联网不再是一个技术问题,制造商也不必在内部开发任何东西。今天,交付运行良好的连网系统....
发表于 08-16 17:34 41次 阅读
工业物联网成功的商业模式分析

鲁勇:三大核心引擎驱动产品智能升级和企业数字化转型

昨日在广州举行的华为云城市峰会2019上,华为公司高级副总裁、中国区总裁鲁勇演讲时表示,“当前,5G....
的头像 牵手一起梦 发表于 08-16 17:31 326次 阅读
鲁勇:三大核心引擎驱动产品智能升级和企业数字化转型

人工智能和机器学习的QA测试有何不同

智能手机、智能音箱、智能汽车、智能咖啡机,物品被赋予智能的例子不胜枚举,似乎周围的一切都获得了生命和....
发表于 08-16 15:50 21次 阅读
人工智能和机器学习的QA测试有何不同

AI技术能否改善医疗行业资源不均的问题

轰轰烈烈的开始,悄无声息的消失。这是创业的常态,也是不少医学影像AI公司的真实写照。
发表于 08-16 15:03 42次 阅读
AI技术能否改善医疗行业资源不均的问题

机器学习经验总结

面试经验(机器学习)
发表于 08-16 14:20 36次 阅读
机器学习经验总结

紫光虎贲T710芯片领先骁龙855 Plus,暂居世界第一

苏黎世联邦理工学院主导的AI Benchmark最新榜单显示,紫光展锐的虎贲T710芯片综合获评28....
的头像 电子发烧友网工程师 发表于 08-16 12:04 131次 阅读
紫光虎贲T710芯片领先骁龙855 Plus,暂居世界第一

决策智能化是人工智能时代的重要理论

决策智能化是一种新学术理论,它涉及到选择的方方面面。决策智能科学将数据科学、社会科学、管理科学融为一....
发表于 08-16 10:11 14次 阅读
决策智能化是人工智能时代的重要理论

目前救援机器人的应用困境是什么

NCCR(瑞士国家机器人能力研究中心)的研究人员回顾了救援机器人技术进展,并对其未来发展进行了评估。
发表于 08-16 09:25 20次 阅读
目前救援机器人的应用困境是什么

三大驱动因素推动发展,全球AI市场规模持续增长

目前全球人工智能市场仍呈现加速增长态势,主力厂商着重抢先布局人工智能产业生态链。
的头像 机器人大讲堂 发表于 08-15 16:58 96次 阅读
三大驱动因素推动发展,全球AI市场规模持续增长

人工智能+教育将实现AI未来教育

未来五年,主导技术革新的应该来自AI。从提升效率到承担实际任务,AI任重道远但目标可期。
发表于 08-15 16:18 42次 阅读
人工智能+教育将实现AI未来教育

人工智能其实带来的不是失业而是就业

未来几年,由人工智能引发的失业潮将会令人恐慌。但正如每一次工业革命一样,技术的变革将会替换到一些行业....
发表于 08-15 16:12 34次 阅读
人工智能其实带来的不是失业而是就业

物联网的发展潜力巨大2022年全球物联网支出将突破1万亿美元大关

2000 年PC互联网时代为人类消除时间的阻碍,拉近与世界的距离; 2010 年移动互联网时代进一步....
发表于 08-15 15:59 109次 阅读
物联网的发展潜力巨大2022年全球物联网支出将突破1万亿美元大关

科学家开发出了一种多功能的新型机器人

机器人擅长做的一件事就是一遍又一遍地重复,而面对不同形状和大小的物体并采取不同的行动,这显然属于更高....
发表于 08-15 15:29 26次 阅读
科学家开发出了一种多功能的新型机器人

AI技术将为医疗行业打开更大的空间

近年来,人工智能、大数据、5G等技术与医疗行业深度融合,为健康事业插上了智能翅膀。
发表于 08-15 15:14 85次 阅读
AI技术将为医疗行业打开更大的空间

英特尔新出AI工具包将全面提升FPGA能力

在终端侧部署人工智能,还有着数据处理的实时性更高、低延时,更低的带宽需求的优势。比如在自动驾驶领域,....
发表于 08-15 14:57 20次 阅读
英特尔新出AI工具包将全面提升FPGA能力

Nvidia打破实时对话AI的训练和推理用时记录

Nvidia用于开发和运行可理解和响应请求的对话式AI的GPU强化平台,已经达成了一些重要的里程碑,....
的头像 FPGA开发圈 发表于 08-15 14:26 56次 阅读
Nvidia打破实时对话AI的训练和推理用时记录

构建机器学习产品必需的数学背景

必读  我们该如何学习机器学习中的数学...
发表于 08-15 11:44 27次 阅读
构建机器学习产品必需的数学背景

普惠AI的路上,有哪些难题困扰着业界?

普惠AI意味着为万物赋能,从云端到边缘的大势所趋也是AiRiA研究院作为AI芯片的后来入局者直接选择....
的头像 人工智能学家 发表于 08-15 11:29 117次 阅读
普惠AI的路上,有哪些难题困扰着业界?

对于2019年的AI玩家们来讲,有哪些不可错过的演进趋势?

AI算力和智力从云端下沉到边缘,为物联网提供火眼金睛和灵敏大脑,成为AI和IoT一拍即合的“共识”。
的头像 人工智能学家 发表于 08-15 11:24 183次 阅读
对于2019年的AI玩家们来讲,有哪些不可错过的演进趋势?

如何提前预防机器学习模型受到攻击产生严重的后果?

机器学习是人工智能的核心,也是使计算机具有智能的根本途径。
的头像 人工智能学家 发表于 08-15 10:53 91次 阅读
如何提前预防机器学习模型受到攻击产生严重的后果?

关于人工智能未来的发展趋势

与其他技术和软件工具不同,人工智能主要依赖专业的处理器。为了适应人工智能的复杂需求,芯片制造商将研发....
发表于 08-15 10:11 69次 阅读
关于人工智能未来的发展趋势

第三代AI要处理“可解释性”问题

语言是人类智能的重要标志,在人类文明中的地位与作用毋庸置疑,自然语言处理,通俗地解释就是“让计算机学....
的头像 人工智能学家 发表于 08-15 09:41 206次 阅读
第三代AI要处理“可解释性”问题

神奇的GAN,基于生成的探索

科学家认为机器学习和人工智能所运用的前沿技术,是一种研究科学的全新方法。
的头像 人工智能学家 发表于 08-15 09:36 154次 阅读
神奇的GAN,基于生成的探索

可借助日常物品来打造新工具的机器人

得益于技术和相关算法的进展,机器人正变得越来越聪明。佐治亚理工学院的一支研究团队,刚刚开发出了一款能....
发表于 08-15 09:31 26次 阅读
可借助日常物品来打造新工具的机器人

带你了解一些比较前端的新潮机器人

UR人机协作机器人具有出色灵活的6轴关节,其操作简便,易于安装,结合灵巧手的24个自由度,能做出与人....
发表于 08-15 09:17 29次 阅读
带你了解一些比较前端的新潮机器人

未来的医疗健康领域会有什么样的变化

目前医疗健康行业正逐步发现这些机遇,为重塑健康而制定战略并做出判断的需求(无论是作为医疗机构、医生或....
发表于 08-15 09:13 79次 阅读
未来的医疗健康领域会有什么样的变化

AI赌神赢的背后,只是8天的训练

Facebook与CMU学Noam Brown、Tuomas Sandholm的最新研究成果——Pl....
的头像 人工智能学家 发表于 08-15 09:06 101次 阅读
AI赌神赢的背后,只是8天的训练

数据、AI和社会:潮流在转变

这是数据领域又一个激烈动荡的年头,令人兴奋,但又错综复杂。
的头像 人工智能学家 发表于 08-15 08:46 93次 阅读
数据、AI和社会:潮流在转变

AI重塑网络安全未来图景

人工智能(Artificial Intelligence)是研究、开发用于模拟、延伸和扩展人的智能的....
的头像 人工智能学家 发表于 08-15 08:43 85次 阅读
AI重塑网络安全未来图景

机器学习算法帮助我们做出更好的决定

机器学习算法,可以帮助我们做出更好的决策,通过将人类的偏见最小化,使用更完整的数据集,或者弥补我们决....
的头像 视听前线音响短评 发表于 08-14 16:47 119次 阅读
机器学习算法帮助我们做出更好的决定

机器学习给了我们现实世界中的超能力

我们的人类感知系统是惊人的。
的头像 Midifan 发表于 08-14 16:45 160次 阅读
机器学习给了我们现实世界中的超能力

机器学习将帮助我们更好地理解彼此

你可能认为人类最有能力理解彼此。毕竟,谈话的另一方是另一个人类。
的头像 Midifan 发表于 08-14 16:39 153次 阅读
机器学习将帮助我们更好地理解彼此

自动化程序使我们更有创造力

让我分享几个例子。
的头像 人工智能学家 发表于 08-14 16:32 139次 阅读
自动化程序使我们更有创造力

AI技术在工业自动化控制中的落地应用

人工智能在风口上已经飞了很长一段时间了,一直以来,不乏有市场人士指出其概念炒作,但在另一面,依托于人....
发表于 08-14 11:46 57次 阅读
AI技术在工业自动化控制中的落地应用

从荣耀智慧屏,看AI如何赋能家庭大屏生态?

屏幕作为人机交互的重要载体,AI赋予了它超越自身的更大的想象空间。智慧屏展示了中国的科技巨头对家庭生....
的头像 墨记 发表于 08-14 10:44 1834次 阅读
从荣耀智慧屏,看AI如何赋能家庭大屏生态?

关于AI技术在视频会议系统中的应用

云视频会议可以实现人脸识别!通过AI技术集成或硬件集成都可以在会议中实现人脸识别。
发表于 08-14 10:19 25次 阅读
关于AI技术在视频会议系统中的应用

该如何搭建人工智能数据平台

在以往,企业数据管理都以传统的IT架构为基础。当技术部门为业务部门解决问题时,需要从业务需求的探查、....
发表于 08-14 09:52 43次 阅读
该如何搭建人工智能数据平台

赛灵思囊括AIIA AI端侧芯片测评板卡类6项性能冠军

Xilinx公司人工智能平台首获第三方行业组织性能专业认证,是本轮参测硬件中可支持模型最多的加速平台
的头像 算法工匠 发表于 08-13 18:52 126次 阅读
赛灵思囊括AIIA AI端侧芯片测评板卡类6项性能冠军

Xnor最新推出嵌入式AI平台AI2Go

Xnor推出了AI2Go平台,该平台可让开发人员和制造商制作针对设备内人工智能优化的预建AI模型。
发表于 08-13 17:02 42次 阅读
Xnor最新推出嵌入式AI平台AI2Go

人工智能技术怎样应用在通信安全领域

在实际的网络运行和维护中,根据发现的故障特征自动匹配诊断规则,从而智能化的发现故障点,并且得到处理建....
发表于 08-13 16:09 58次 阅读
人工智能技术怎样应用在通信安全领域

AI高位视频技术将是未来停车的大势所趋

从进站人脸识别、站内机器人导航,到交通电子警察、卡口规范社会秩序,再到停车诱导、共享车位资源,这几年....
发表于 08-13 15:55 46次 阅读
AI高位视频技术将是未来停车的大势所趋

人工智能技术制高点怎样抢占

人工智能是原创性大工程,必须从基础做起,从原创起步。
发表于 08-13 15:34 40次 阅读
人工智能技术制高点怎样抢占

人工智能机器人的时代已经到来

据外媒报道,亚马逊公司正式宣布将在加州欧文地区及更大范围内对无人送货机器人Scout进行测试,此前的....
发表于 08-13 15:24 68次 阅读
人工智能机器人的时代已经到来

互联网医疗的作用之医疗流程的再造

从医学的角度,互联网医疗和实体医疗一样,仍然是依据诊疗常规对患者做诊断,出治疗方案,并将线下的资源组....
发表于 08-13 15:13 131次 阅读
互联网医疗的作用之医疗流程的再造

晶泰与辉瑞以AI模拟技术驱动新药的研发

以算法驱动创新的AI医药研发公司晶泰科技宣布和辉瑞制药签订战略研发合作,将融合量子物理与人工智能,建....
发表于 08-13 14:34 39次 阅读
晶泰与辉瑞以AI模拟技术驱动新药的研发

智能时代推动半导体创新的复兴之路

在物联网、大数据和人工智能 (AI) 的推动下,从交通运输、医疗保健到零售和娱乐等众多行业将走上转型....
的头像 哎咆科技 发表于 08-13 11:41 180次 阅读
智能时代推动半导体创新的复兴之路

IMU:通过板载机器学习让主机休眠

有限状态机和机器学习核心也可与主机处理器结合使用,实现更为复杂的位置跟踪算法。STMicroelec....
的头像 丫丫119 发表于 08-13 10:56 420次 阅读
IMU:通过板载机器学习让主机休眠

人工智能和机器学习怎么应用于医学?

经美国食品药品监督管理局(FDA)批准后,第一批可穿戴式数字健康监测仪目前刚刚上市,并集成在诸如智能手表之类的消费产品中。...
发表于 08-13 07:22 17次 阅读
人工智能和机器学习怎么应用于医学?

机器学习的十大经典算法,附有详细原理说明,有助于机器学习的学习和运用

发表于 08-08 02:00 89次 阅读
机器学习的十大经典算法,附有详细原理说明,有助于机器学习的学习和运用

怎么确定材料的制作成分?

许多国家要求明确标识纺织品的纤维成分。有时这些标签会产生误导。例如,在下图中,我们看到一组标有100%棉的洗碗巾,但是经Sag...
发表于 08-06 08:36 41次 阅读
怎么确定材料的制作成分?

Web开发工程师怎么转型

       作为一名Web开发人员,我发现计算机视觉和机器学习领域的快速发展是让人感到兴奋,但是我没有任何使...
发表于 08-02 06:03 37次 阅读
Web开发工程师怎么转型

【技术杂谈】用Python来预测双色球,都想到未来的美好生活了呢~

炎炎夏日,懒的做饭,跑楼下买点烤鸭和凉面吃吃,路过一个卖彩票的店,突然灵感爆棚,想着是不是可以利用Python来预测一下的彩票...
发表于 07-29 11:07 235次 阅读
【技术杂谈】用Python来预测双色球,都想到未来的美好生活了呢~

推荐几本机器学习和深度学习必读书籍+机器学习实战视频PPT+大数据分析书籍

小白 机器学习和深度学习必读书籍+机器学习实战视频PPT+大数据分析书籍推荐!...
发表于 07-22 17:02 88次 阅读
推荐几本机器学习和深度学习必读书籍+机器学习实战视频PPT+大数据分析书籍

机器翻译不可不知的Seq2Seq模型

前  言             Seq2Seq,全称Sequence to Sequence。它是一种通...
发表于 07-20 04:00 599次 阅读
机器翻译不可不知的Seq2Seq模型

【技术杂谈】手把手教你用keras搭建GAN

章节目录 SGAN代码实现训练结束语 01 SGAN什么是生成对抗网络:简单的来说,就是给定一个噪声z的输入,通过生成器...
发表于 07-12 04:00 667次 阅读
【技术杂谈】手把手教你用keras搭建GAN