• 數據工程在構建可擴展人工智能系統中的作用第一部分:了解數據工程

    最陳詞濫調卻又最真實(shí)的一句話(huà)是,技術(shù)每天都在變化,影響著(zhù)一切。人工智能是給全球各行各業(yè)帶來(lái)顛覆的最突出的學(xué)科之一。隨著(zhù)計算技術(shù)每年都在升級和改進(jìn),人工智能 (AI) 技術(shù)正在為各個(gè)行業(yè)開(kāi)創(chuàng )一個(gè)創(chuàng )新的新時(shí)代。從醫療保健和健康到金融和制造業(yè),人工智能解決方案正在以前所未有的方式改變企業(yè)運營(yíng)、提供見(jiàn)解和做出明智決策的常態(tài)。然而,要想在全球范圍內發(fā)揮作用,人工智能需要大量數據來(lái)學(xué)習和訓練。因此,堅實(shí)的數據工程基礎對于每個(gè)成功的人工智能應用都至關(guān)重要。

  • 使用低代碼平臺協(xié)調 IAT、IPA 和 RPA:高級自動(dòng)化和測試的優(yōu)勢與挑戰

    當軟件開(kāi)發(fā)團隊面臨快速交付高質(zhì)量應用程序的壓力時(shí),低代碼平臺可以為快速發(fā)展的業(yè)務(wù)需求和復雜的集成提供所需的支持。集成智能自動(dòng)化測試 (IAT)、智能流程自動(dòng)化 (IPA) 和機器人流程自動(dòng)化 (RPA) 解決方案可以更輕松地適應變化,確保測試和自動(dòng)化與不斷發(fā)展的應用程序和流程保持同步。在低代碼開(kāi)發(fā)環(huán)境中,如圖 1 所示,IAT、IPA 和 RPA 可以減少人工工作量并提高 SDLC 和流程自動(dòng)化中的測試覆蓋率、準確性和效率。

    智能應用
    2024-07-16
    RPA IAT IPA
  • 使用 Python 進(jìn)行機器學(xué)習:數據預處理技術(shù)

    機器學(xué)習仍然是發(fā)展最快、需求量最大的技術(shù)領(lǐng)域之一。機器學(xué)習是人工智能的一個(gè)分支,它使計算機系統能夠學(xué)習和采用類(lèi)似人類(lèi)的特質(zhì),最終導??致人工智能機器的發(fā)展。 下表列出了人工智能領(lǐng)域中,機器學(xué)習可以賦予計算機的八種關(guān)鍵類(lèi)人特質(zhì)。

  • 實(shí)踐中的代碼復雜性第二部分:人為本的代碼重要性

    以人為本的代碼的重要性,無(wú)論主要用戶(hù)是誰(shuí),編寫(xiě)清晰易懂的代碼都會(huì )讓所有參與者受益。從加快協(xié)作和知識共享到減少維護和提高軟件質(zhì)量。

  • 實(shí)踐中的代碼復雜性第一部分:軟件復雜性介紹

    想象一下,你走進(jìn)一個(gè)熙熙攘攘的工作室——這里不是機器嗡嗡作響的地方,而是人們齊心協(xié)力的思想。這才是軟件編程的真正本質(zhì):集體努力,代碼不僅是機器的指令,也是開(kāi)發(fā)人員的共同語(yǔ)言。然而,與口頭語(yǔ)言不同,代碼往往會(huì )成為一種晦澀難懂的方言,籠罩在復雜性之中,新手難以理解。這就是為人類(lèi)編寫(xiě)代碼的藝術(shù)發(fā)揮作用的地方,將神秘的腳本轉化為其他人可以輕松理解的敘述。

  • 軟件定義汽車(chē)中的 MLOps:集中式平臺方法

    ML 平臺應具有完善的實(shí)用程序來(lái)跟蹤訓練 ML 模型所需的數據沿襲,例如數據提取、數據轉換和用于訓練當前模型的最終數據集。良好跟蹤的數據沿襲可以幫助使用該平臺的功能團隊深入了解用于訓練模型的數據點(diǎn),從而改進(jìn)模型以有效地幫助該功能。

  • 人工智能在低代碼和無(wú)代碼開(kāi)發(fā)中的作用

    大型語(yǔ)言模型 (LLM) 的出現導致人們急于將人工智能 (AI) 強行塞入每一種有意義的產(chǎn)品,以及相當一部分不有意義的產(chǎn)品。但有一個(gè)領(lǐng)域已經(jīng)證明人工智能是一個(gè)強大而有用的補充:低代碼和無(wú)代碼軟件開(kāi)發(fā)。

  • 人工智能風(fēng)險管理框架:面向人工智能開(kāi)發(fā)人員的技術(shù)深度探究

    人工智能 (AI) 快速融入軟件系統,為軟件開(kāi)發(fā)社區帶來(lái)了前所未有的機遇和挑戰。作為開(kāi)發(fā)人員,我們不僅要負責構建功能齊全的 AI 系統,還要確保它們安全、合乎道德且負責任地運行。本文深入探討了NIST AI 風(fēng)險管理框架的技術(shù)細節,為構建和部署 AI 解決方案的軟件開(kāi)發(fā)人員提供具體指導。

  • 了解機器學(xué)習的貝葉斯建模和概率規劃

    傳統機器學(xué)習 (ML) 模型和 AI 技術(shù)通常存在一個(gè)嚴重缺陷:它們缺乏不確定性量化。這些模型通常提供點(diǎn)估計,而不考慮其預測的不確定性。這種限制削弱了評估模型輸出可靠性的能力。此外,傳統 ML 模型需要大量數據,通常需要正確標記的數據,因此,在數據有限的問(wèn)題上往往會(huì )遇到困難。此外,這些模型缺乏將專(zhuān)家領(lǐng)域知識或先驗信念納入模型的系統框架。如果無(wú)法利用特定領(lǐng)域的見(jiàn)解,模型可能會(huì )忽略數據中的關(guān)鍵細微差別,并且往往無(wú)法發(fā)揮其潛力。ML 模型正變得越來(lái)越復雜和不透明,人們越來(lái)越需要數據和人工智能做出的決策具有更高的透明度和可問(wèn)責性。

  • 了解 RLAIF:使用 AI 反饋擴展 LLM 對齊的技術(shù)概述

    隨著(zhù)最近法學(xué)碩士 (LLM)的成就和關(guān)注,以及隨之而來(lái)的人工智能“夏季”,模型訓練方法開(kāi)始復興,旨在盡快獲得最優(yōu)、性能最佳的模型。其中大部分是通過(guò)大規模實(shí)現的——更多芯片、更多數據、更多訓練步驟。然而,許多團隊一直專(zhuān)注于如何更高效、更智能地訓練這些模型,以實(shí)現預期結果。

    智能應用
    2024-07-16
    LLM RLAIF
  • 可解釋的人工智能:解讀 BERT 模型

    近年來(lái),隨著(zhù)人工智能的發(fā)展,專(zhuān)門(mén)針對人工智能的法規也應運而生,例如制藥行業(yè)的良好機器學(xué)習實(shí)踐 (GMLP) 和金融行業(yè)的模型風(fēng)險管理 (MRM),以及其他涉及數據隱私的廣泛法規,如歐盟的 GDPR 和加州的 CCPA。同樣,內部合規團隊在驗證基于模型預測的決策時(shí)可能也希望解釋模型的行為。例如,承保人希望了解為什么特定的貸款申請被 ML 模型標記為可疑。

  • 機器學(xué)習分類(lèi)技術(shù)的進(jìn)步對數據質(zhì)量的改善

    數據質(zhì)量差會(huì )導致信息驅動(dòng)系統中的分析和決策不準確。機器學(xué)習 (ML) 分類(lèi)算法已成為解決各種數據質(zhì)量問(wèn)題的有效工具,它通過(guò)自動(dòng)查找和糾正數據集中的異常來(lái)解決問(wèn)題。有各種方法和策略可用于將 ML 分類(lèi)器應用于數據凈化、異常值識別、缺失值插補和記錄鏈接等任務(wù)。用于衡量機器學(xué)習模型在解決數據質(zhì)量問(wèn)題方面的有效性的評估標準和性能分析方法正在不斷發(fā)展。

  • 何時(shí)應將分布式 PostgreSQL 用于 Gen AI 應用程序?

    Postgres 繼續推動(dòng)數據庫格局的發(fā)展,超越傳統的關(guān)系數據庫用例。其豐富的擴展和派生解決方案生態(tài)系統使 Postgres 成為一股強大的力量,尤其是在時(shí)間序列和地理空間等領(lǐng)域,以及最近的生成式 AI 工作負載。

  • 從架構師的視角看待,GenAI 時(shí)代的 API 安全革命

    作為一名經(jīng)驗豐富的安全架構師,我見(jiàn)證了人工智能和機器學(xué)習對軟件開(kāi)發(fā)領(lǐng)域的變革性影響,尤其是在A(yíng)PI 安全方面。GenAI 的出現及其快速生成代碼和整個(gè)應用程序的能力為創(chuàng )新帶來(lái)了前所未有的機會(huì )。然而,這種開(kāi)發(fā)速度的加速也帶來(lái)了復雜的安全挑戰,需要先進(jìn)的解決方案。

  • 在Lyra-T板上使用GPIO引腳詳解

    隨著(zhù)物聯(lián)網(wǎng)(IoT)和嵌入式系統的迅猛發(fā)展,GPIO(General-Purpose Input/Output,通用輸入/輸出)引腳在微控制器和嵌入式開(kāi)發(fā)板中的應用愈發(fā)廣泛。GPIO引腳允許用戶(hù)直接控制硬件設備的輸入和輸出,是嵌入式系統開(kāi)發(fā)中的關(guān)鍵組成部分。本文將詳細介紹如何在Lyra-T板上使用GPIO引腳,包括GPIO的基本概念、Lyra-T板的GPIO引腳配置、以及通過(guò)編程實(shí)現對GPIO引腳的控制等。

首頁(yè)  上一頁(yè)  1 2 3 4 5 6 7 8 9 10 下一頁(yè) 尾頁(yè)
發(fā)布文章