1樓:包子
這是我們在人工智慧工程化方面的一些經驗,主要是在從資料到模型上線的整個流程裡,解決各個流程節點上需要做的「人數」、「人機」互動方面的問題:
在人工智慧工程化裡,前端能做什麼?
2樓:kerry
Mi Cloud前端組今年開始支援小公尺大腦的前端需求,除了很容易想到的資料視覺化,目前還有對影象和語音資料的標註系統,和某些智慧型產品的demo版。
面對現實,AI目前還是嬰兒階段,還有很長的路要一步乙個腳印地走。
比如機器識別得準不准,需要篩選出來樣本,人工檢查和打標籤,再回爐。
比如智慧型服務還沒ready到產品化的程度,但又需要以某些之前沒廣泛應用的人機互動方式來體驗,就需要web端做個demo版體驗看看。
目前在工程上的支援人手吃緊,不侷限於前端的工程師也開始做起後端開發。比如最近在做的語音資料標註系統,抱著實踐出真知的心態,嘗試用GraphQL做介面層,用Node.js Koa搭介面服務,設計MySQL中的各種業務表,力求靈活支援各種角度的標註需求。
雖然是樣本資料,但量也還是很大的,需要考慮分表,還有資料遷移和各種連表操作,幸運的是實時性要求不高,還不至於失控。漸漸覺得在前端圈裡培養的不斷學習的意識很是受用。不給自己設限,才能發現潛在的自己。
回到UI層面,比如如何讓標註人員高效操作,如何直觀快速地看到影象或語音波形圖中的關鍵資訊,提高標註效率,這也是必須考慮的事情,別說那是產品的事。
總之別把自己侷限為前端工程師,甚至工程師。
學人工智慧好還是前端好?
Internet優選 只要做網際網路行業,首先要具備不斷學習的能力,不然你會吃不消的。技術更新非常的快,只有不斷的更新自己的知識體系,才能跟得上節奏。人工智慧需要在研究生級別才能學習吧,或者你大學畢業幹了幾年相關的軟體開發 不管哪種語言 有了豐富的開發經驗,去轉型人工智慧也是可以的。還有就是人工智慧...
自學人工智慧python和前端,你們怎麼做選擇?
搖曳 人工智慧,python不是想象中的那麼簡單的,資料結構演算法都要精通,個人覺得相比前者,前端比較好入門,但是興趣才是最好的老師,真的喜歡就去做好了,加油 blue 首先,當前學習Python 人工智慧方向 和前端都是不錯的選擇,到底選擇哪個方向取決於三方面因素,其一是自身的知識基礎和興趣愛好,...
目前,主流的人工智慧機器翻譯團隊主要突破和攻關的技術方向是什麼?
末之 小白一枚,說說我的想法。不知道各位做MT需不需要自建語料庫。一年前我負責文言文機翻的時候就做了這事。剛開始我們專案組所有成員嘗試手工一句句對,對不到半個小時就舉白旗了。後來我注意到,由於是文言文和現代文的對齊,所以與中英文不太一樣,古漢語和現代漢語的明氏距離是很大的,我就抓住這個特性,搞了個半...