中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

文章為作者在AI領(lǐng)域做產(chǎn)品后的一些經(jīng)驗(yàn)總結(jié)，希望對(duì)你有所幫助。

HI，我是Jasmine，是一位AI產(chǎn)品經(jīng)理。在講正式內(nèi)容之前，我想跟大家簡(jiǎn)單分享一下我的經(jīng)歷：我大學(xué)本科不是IT相關(guān)，甚至在我工作之前，我沒有做過任何與互聯(lián)網(wǎng)相關(guān)的實(shí)習(xí)工作。

而現(xiàn)在我能負(fù)責(zé)公司的重點(diǎn)項(xiàng)目，證明了進(jìn)入AI行業(yè)并不是你們想象中的那么困難。直至今天，我仍在這條道路上不斷學(xué)習(xí)，也希望有更多的朋友給予我指點(diǎn)。

現(xiàn)在我就來(lái)說(shuō)說(shuō)，如何在對(duì)AI行業(yè)一無(wú)所知的情況下，快速了解到它的流程運(yùn)作，并找準(zhǔn)機(jī)會(huì)轉(zhuǎn)行。

簡(jiǎn)單了解AI應(yīng)用范圍

首先要跟大家說(shuō)明的是，AI是一個(gè)領(lǐng)域，AI的應(yīng)用范圍非常非常廣，如下圖

圖 by@智能玩咖

圖上每一個(gè)領(lǐng)域用到的算法都不一樣，并且一個(gè)領(lǐng)域下面有很多的細(xì)分小領(lǐng)域。

比如語(yǔ)音識(shí)別，就包含了語(yǔ)音轉(zhuǎn)文字、自然語(yǔ)言處理、文字轉(zhuǎn)語(yǔ)音等等技術(shù)。而有很多想轉(zhuǎn)型的產(chǎn)品，第一個(gè)考慮的點(diǎn)就是：不懂技術(shù)就做不了AI，我是不是學(xué)完算法才能入行？

其實(shí)不是。

如果不是想立刻轉(zhuǎn)型到算法相關(guān)的AI產(chǎn)品，其實(shí)在平臺(tái)——工程——算法之間有一個(gè)可以漸漸過渡的過程。

大家可能都知道：

對(duì)算法來(lái)說(shuō)最重要的是數(shù)據(jù)，足夠量足夠好的數(shù)據(jù)才能得到更優(yōu)秀的算法模型。

而關(guān)于數(shù)據(jù)其實(shí)可分為兩種類型：被標(biāo)記過的數(shù)據(jù)和未被標(biāo)記過的數(shù)據(jù)。什么是標(biāo)記呢？意同“貼標(biāo)簽”，當(dāng)你看到一個(gè)西瓜，你知道它是屬于水果。那么你就可以為它貼上一個(gè)水果的標(biāo)簽。算法同事用“有標(biāo)簽的數(shù)據(jù)”去訓(xùn)練模型，這里就有了“監(jiān)督學(xué)習(xí)”。

重點(diǎn)就是這里：

只要是跟“監(jiān)督學(xué)習(xí)”沾邊的產(chǎn)品/技術(shù)，比如圖像識(shí)別、人臉識(shí)別、自然語(yǔ)言理解等等，他們都有一個(gè)必走的流程

不斷地用標(biāo)注后的數(shù)據(jù)去訓(xùn)練模型，不斷調(diào)整模型參數(shù)，得到指標(biāo)數(shù)值更高的模型。

流程分解

數(shù)據(jù)標(biāo)注

數(shù)據(jù)的質(zhì)量直接回影響到模型的質(zhì)量，因此數(shù)據(jù)標(biāo)注在整個(gè)流程中絕對(duì)是非要重要的一點(diǎn)。一般來(lái)說(shuō)數(shù)據(jù)標(biāo)注部分可以有三個(gè)角色：

• 標(biāo)注員：標(biāo)注員負(fù)責(zé)標(biāo)記數(shù)據(jù)。
• 審核員：審核員負(fù)責(zé)審核被標(biāo)記數(shù)據(jù)的質(zhì)量。
• 管理員：管理人員、發(fā)放任務(wù)、統(tǒng)計(jì)工資。

只有在數(shù)據(jù)被審核員審核通過后，這批數(shù)據(jù)才能夠被算法同事利用。

關(guān)于數(shù)據(jù)標(biāo)記的流程思考：

1. 任務(wù)分配：假設(shè)標(biāo)注員每次標(biāo)記的數(shù)據(jù)為一次任務(wù)，則每次任務(wù)可由管理員分批發(fā)放記錄，也可將整個(gè)流程做成“搶單式”的，由后臺(tái)直接分發(fā)。
2. 標(biāo)記程序設(shè)計(jì)：需要考慮到如何提升效率，比如快捷鍵的設(shè)置、邊標(biāo)記及邊存等等功能都有利于提高標(biāo)記效率。
3. 進(jìn)度跟蹤：程序?qū)?biāo)注員、審核員的工作分別進(jìn)行跟蹤，可利用“規(guī)定截止日期”的方式淘汰怠惰的人。
4. 質(zhì)量跟蹤：通過計(jì)算標(biāo)注人員的標(biāo)注正確率和被審核通過率，對(duì)人員標(biāo)注質(zhì)量進(jìn)行跟蹤，可利用“末位淘汰”制提高標(biāo)注人員質(zhì)量。

模型訓(xùn)練

這部分基本交由算法同事跟進(jìn)，但產(chǎn)品可依據(jù)需求，向算法同事提出需要注意的方面；

舉個(gè)栗子：

一個(gè)識(shí)別車輛的產(chǎn)品現(xiàn)在對(duì)大眾車某系列的識(shí)別效果非常不理想，經(jīng)過跟蹤發(fā)現(xiàn)是因?yàn)樵撥囅岛土硗庖粋€(gè)品牌的車型十分相似。而本次數(shù)據(jù)標(biāo)注主要針對(duì)大眾車系的數(shù)據(jù)做了補(bǔ)充，也修改了大批以往的錯(cuò)誤標(biāo)注。（這兩種為優(yōu)化數(shù)據(jù)的基本方式）本次模型需要重點(diǎn)關(guān)注大眾某車系的識(shí)別效果，至少將精確率提高5%。

產(chǎn)品將具體的需求給到算法工程師，能避免無(wú)目的性、無(wú)針對(duì)性、無(wú)緊急程度的工作。

模型測(cè)試

測(cè)試同事（一般來(lái)說(shuō)算法同事也會(huì)直接負(fù)責(zé)模型測(cè)試）將未被訓(xùn)練過的數(shù)據(jù)在新的模型下做測(cè)試。

如果沒有后臺(tái)設(shè)計(jì)，測(cè)試結(jié)果只能由人工抽樣計(jì)算，抽樣計(jì)算繁瑣且效率較低。因此可以考慮由后臺(tái)計(jì)算。

一般來(lái)說(shuō)模型測(cè)試至少需要關(guān)注兩個(gè)指標(biāo)：

1. 精確率：識(shí)別為正確的樣本數(shù)/識(shí)別出來(lái)的樣本數(shù)
2. 召回率：識(shí)別為正確的樣本數(shù)/所有樣本中正確的數(shù)

模型的效果需要在這兩個(gè)指標(biāo)之間達(dá)到一個(gè)平衡。

測(cè)試同事需要關(guān)注一領(lǐng)域內(nèi)每個(gè)類別的指標(biāo)，比如針對(duì)識(shí)別人臉的表情，里面有喜怒哀樂等等分類，每一個(gè)分類對(duì)應(yīng)的指標(biāo)都是不一樣的。測(cè)試同事需要將測(cè)試的結(jié)果完善地反饋給算法同事，算法同事才能找準(zhǔn)模型效果欠缺的原因。同時(shí)測(cè)試同事將本次模型的指標(biāo)結(jié)果反饋給產(chǎn)品，由產(chǎn)品評(píng)估是否滿足上線需求。

產(chǎn)品評(píng)估

評(píng)估模型是否滿足上線需求是產(chǎn)品必須關(guān)注的，一旦上線會(huì)影響到客戶的使用感。

因此在模型上線之前，產(chǎn)品需反復(fù)驗(yàn)證模型效果。為了用數(shù)據(jù)對(duì)比本模型和上一個(gè)模型的優(yōu)劣，需要每次都記錄好指標(biāo)數(shù)據(jù)。

假設(shè)本次模型主要是為了優(yōu)化領(lǐng)域內(nèi)其中一類的指標(biāo)，在關(guān)注目的的同時(shí)，產(chǎn)品還需同時(shí)注意其他類別的效果，以免漏洞產(chǎn)生。

產(chǎn)品工作補(bǔ)充

產(chǎn)品的工作不止是產(chǎn)品評(píng)估：

除了流程控制，質(zhì)量評(píng)估。針對(duì)分類問題，由產(chǎn)品制定的邊界非常重要，直接影響模型是否滿足市場(chǎng)需求。

產(chǎn)品制定的分類規(guī)則：例如，目的是希望模型能夠識(shí)別紅色，那產(chǎn)品需要詳細(xì)描述“紅色”包含的顏色，暗紅色算紅色嗎？紫紅色算紅色嗎？紫紅色算是紅色還是紫色？這些非常細(xì)節(jié)的規(guī)則都需要產(chǎn)品設(shè)定。

若果分類細(xì)，那么針對(duì)一類的數(shù)據(jù)就會(huì)少。如果分類大，那么一些有歧義的數(shù)據(jù)就會(huì)被放進(jìn)該分類，也會(huì)影響模型效果。

分類問題和策略問題道理是一樣的，都需要產(chǎn)品對(duì)需求了解得非常深刻。

以上內(nèi)容，都只是AI行業(yè)一個(gè)小領(lǐng)域內(nèi)可梳理的工作內(nèi)容。

針對(duì)剛剛?cè)胄械呐笥?，如果沒有算法基礎(chǔ)、沒有工程基礎(chǔ)。可以考慮在流程、平臺(tái)上做過渡。在工作內(nèi)容中不斷總結(jié)學(xué)習(xí)，往自己想走的方向不斷前進(jìn)！

本文由 @jasmine 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自Pixabay，基于CC0協(xié)議