文章目录

  • 一、算法整理
  • 二、算法适用情景
  • 三、自动化运维


一、算法整理

人工智能产品和技术开始走进人们的生活，生活场景中随处可见这项技术的身影。人工智能的产业结构自下而上可分为基础层、技术层和应用层：基础层指的是人工智能所具备的三大核心要素，即算法、算力和数据；技术层指的是自然语言处理、计算机视觉等人工智能相关技术；应用层则指的是基于具有应用场景的产品或行业解决方案。

如下图所示：

  • 按照模型训练方式不同可以分为监督学习（Supervised Learning），无监督学习（Unsupervised Learning）、半监督学习（Semi-supervised Learning）和强化学习（Reinforcement Learning）四大类。
  • 按照解决任务的不同来分类，粗略可以分为二分类算法（Two-class Classification）、多分类算法（Multi-class Classification）、回归算法（Regression）、聚类算法（Clustering）和异常检测（Anomaly Detection）五种。

人工智能算法通常的硬件架构_机器学习

二、算法适用情景

需要考虑的因素有：

（1）数据量的大小、数据质量和数据本身的特点

（2）机器学习要解决的具体业务场景中问题的本质是什么？

（3）可以接受的计算时间是什么？

（4）算法精度要求有多高？

人工智能算法通常的硬件架构_运维_02


有了算法，有了被训练的数据（经过预处理过的数据），那么多次训练（考验计算能力的时候到了）后，经过模型评估和算法人员调参后，会获得训练模型。当新的数据输入后，那么我们的训练模型就会给出结果。业务要求的最基础的功能就算实现了。

互联网产品自动化运维是趋势，因为互联网需要快速响应的特性，决定了我们对问题要快速响应、快速修复。人工智能产品也不例外。

三、自动化运维

人工智能算法通常的硬件架构_机器学习_03