关于人工智能的关键技术

关于人工智能的关键技术

方法/步骤

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。

基础设施层面，重点关注算法框架，例如Tensorflow、PyTorch、Caffe、Mxnet等。

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。

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。

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。

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。

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。