第一次个人作业

课程学习心得

经过了五周的学习,我们对模式识别和机器学习的概念有了基础的认识,也对基本的几个分类器有了初步的了解。
模式识别和机器学习,模式识别应用机器学习的结果,对一些问题的情况进行判断,机器学习就是训练模型。
感觉这一段时间学到的东西并不多,但是也算打开了一个新的大门,之前一直觉得机器学习,人工智能非常神奇,为啥一个公式就能出结果,现在看来也就是那样。

距离

主要学了各种距离,用于判断各种的相似度,诸如余弦距离,马氏距离,欧氏距离。

模型评估方法

留出法,K折交叉验证,留一验证

模型评估指标

准确度(Accuracy),精度(Precision),召回率(Recall),F-Score,混淆矩阵,PR曲线,ROC曲线

分类器

MED分类器,MICD分类器,MAP分类器,贝叶斯分类器

前沿技术

说到前沿技术,我的确不太了解,毕竟不是专业这个方向的。

目前,物联网,边缘计算比较火热,IoT与人工智能的结合,也逐步走来。

IoT 应用程序能够快速响应本地事件,则必须以非常低的延迟获得推理结果,但这时如果把数据发送至云端,再等待云端的推理决策,这个过程就很难满足一些业务场景的需求。

但是,仅使用云计算来部署人工智能的方式,与将云计算与边缘计算有效结合起来应用人工智能的方式截然不同。数据科学家依靠云计算来摄取和存储大量数据集,并识别数据中的模式和关系,在建立模型的整个过程中,训练和优化机器学习模型需要大量计算资源,因此与云计算是天然良配。

而实际上,最终的、经过优化的机器学习模型在推理的过程中并不需要太多的资源。所以为了确保 IoT 应用程序以非常低的延迟获得推理结果,我们就可以把训练放在云端,推理放在边缘侧,以达到利用云端去训练机器学习模型,利用边缘设备实时进行推理,甚至在没有互联网的环境中产生数据时,也能实现高速响应业务变化并作出决策。

我觉得,难点主要集中在IoT设备的资源有限,无法支撑起高性能的计算。

上面就是我了解到的技术。由于对这方便了解不深,很难说出什么有深度的看法。

posted @ 2020-03-21 11:16  纪华裕  阅读(219)  评论(0编辑  收藏  举报