关于人工智能的关键技术
方法/步骤
1
在算法层。主要是机器学习。包括深度学习。迁移学习。对抗学习。强化学习和传统机器学习。
2
基础设施层面。重点关注算法框架。例如Tensorflow、PyTorch、Caffe、Mxnet等。
3
GPU具有并行结构。在处理图形数据和复杂算法方面拥有比CPU更高的效率。深度学习模型训练速度主要受GPU设备限制。
4
机器学习的基本算法。利用历史数据。训练出相关的模型。通过模型指导对新的数据的预测。
5
机器学习中预处理步骤是不可或缺的一部分。模型调参是调节对建模结果产生影响的因素。
6
有监督学习的重要特征。是数据必须给定明确的标签。涉及分类、回归和排序等算法。
7
无监督学习是没有标签的。相关的包括密度预测、异常预测。以及社区划分。都是此类。
