AI,第四课

新闻

作者：微信文章
两天没更新，食言了，做到日更还是需要一些毅力的，因为家里在搞装修，需要对接一些事情，然后就松懈了

没关系，AI学习永不止步，继续更新

吴恩达老师的课程实在是太有意思了，我本来以为只有短短的几集，结果再次搜索了下，又被挖出来一些，哈哈，继续学习

老师说人工智能不仅仅是给工程师使用的，随着人工智能的快速发展，AI在生活中比重越来越多，那人人都应该参加到AI的学习中来

常见人工智能术语的含义，包括神经网络、机器学习、深度学习和数据科学

数据科学，数据可以是一组数字，可以是一张数据表格，也可以是一封邮件，是一张图

数据很重要，如何获取数据也很重要，一种方法是手动标注，比如有几张图片，对猫的图片做下手动标注，构建猫的检测器的数据集

手动标注是获得同时拥有A和B的数据集的经过验证的可靠方法

另一个获得数据集的方法是观察用户行为或者其他类型的行为，比如电子商务平台上官观察用户购买行为，比如观察机械的运转情况，预测是否即将出现故障或者问题

数据很重要，但是有点被过度宣传，有时被误用，常见的两种被误用或者关于数据错误思维方式

一是一些公司CEO认为应该花费大量时间来建设IT团队和收集数据，等拥有了完美的数据集之后再做AI

但实际上这是个非常糟糕的策略，老师推荐的策略是，一旦开始手机收集一些数据，就开始展示或者将其提供给AI团队，因为IA团队通常可以向IT团队提供反馈，关于收集什么类型的数据，以及继续建设什么类型的IT的基础设施。

IT和AI团队之间经常有这种相互作用的交流，建议尽早尝试从AI那里获得反馈，因为它可以帮助指导IT基础设施的发展

二是，数据的误用，一些CEO认为他们所拥有的大数据，能够被AI团队变得很有价值，实际上并不是

建议不要把数据扔给AI团队后就假设它会有价值，数据有时候有价值，有时候没价值，不要为了数据而过度投资于获取数据

除非你让AI团队同时开来查看这些数据，让他们来指导你思考什么数据才是真正最有价值的

最后数据是混乱的，有一些垃圾数据会导致AI学到不准确的东西，因此AI团队还得搞清楚如何清理数据，如何处理错误标签和缺失数据

数据类型多种多样，比如图像，新音频和文本，这些是人类发展很容易解释的数据类型，专业术语叫做非结构化数据

有某些类型的AI技术可以处理图片来识别猫，或处理音频来识别语音，或处理文本来识理解邮件是否为垃圾邮件

还有像常见的excel表格一样的数据集，它属于结构化数据，意味着它存在于巨大电子表格中的数据

处理非结构化数据的技术有点不同，与处理结构化数据的技术相比，今天的生成式AI主要用于生成非结构化数据，比如文本，图像和音频，而不是结构化数据

以上，近今日学习内容