1.人工智能的Pipeline

• 代码地址：appke/Los-House-Prices: 洛杉矶房价预测

人工智能的Pipeline

1. 数据清洗
   1. 清洗数据
   2. 处理数据
   3. 如何做特征工程，如何把数据做出优秀的训练集
   4. 影响后面机器学习应用，烂的数据集效果不好，质量不高
   5. ETL–Extract Transform Load
   6. Pandas/Numpy/MapReduce
2. 数据库(数据仓库)
   1. Mysql/Redis/mongo
   2. Mysql/Postgres
   3. Hive 10亿辆车 聚类 --> 最后交给MapReduce做
   4. OLAP --HMASE
   5. spark
3. 数据集市/数据挖掘/数据标注(50%时间)
   1. 如何生成我需要的精细的、优质的数据
   2. 数据挖掘
      1. 数据可视化
      2. 数据统计
      3. 特征工程
   3. 数据标注 (80%是监督学习/无监督学习也是为了监督学习)
      1. 自动化标注（没有人工就没有数据）
      2. 标注平台、节省人力
      3. 聚类等自动化
         1. 几乎不存在任何通用算法做自动化标注，一定是特定算法特定标注
         2. 算法人员花大量时间在标注上！
         3. 再标再跑
         4. 合理高效的标注
4. 评测集合数据集的准备(数据Team的产出标准)
   1. Train Set——教科书、Validata-在线测验(帮助学习) | Test—期末考试
   2. 数据集市库、同一份数据，不同人使用！！
5. 模型的设计/Loss函数的设计/训练方法的设计
   1. Gradient Decent 预测数值，现实与理想的差距
   2. 分布式训练/分段训练
6. 模型的验证
   1. 分类：PR曲线、ROC、F-Score、mAP(加权平均数)
   2. 回归：均方差
   3. 精确度：precision=1-错误率
   4. 召回率：Recall=1-漏报率
7. 模型的集成、优化
   1. SDK的开发
   2. 模型压缩
8. 构建应用
9. 数据采集

数据采集

数据采集—> 数据清洗—>数据仓库—>数据挖掘/特征工程—>数据标注—>训练集、评测集的制作—>机器学习—>模型评测—>数据采集

生成对抗网络 GAN(干)

• 生成数据，做假钞
• 2个人的博弈
• End2End
• DeepDream CycleGan 对抗生成网络
• 正面照生成背面照

目标检测

• 车牌、arm芯片都可以跑
• NMS 滑窗 若干框合成一个框，缩成一个框
• 信用评分：连续(回归) 转换sigmod 分类问题！
• 连续的事情搞不定，就把它拆成小块来做

GPU 和 CPU

• GPU专门做浮点型运算，批量运算单元，不要显示东西所误导(显卡)
• CPU小系统，寄存器，没有GPU好
• Cuda 酷打 本身像C++ 把数据放到GPU运算，再取出的东西
• OpenCL 丢掉AMD中运算
• Tesorflow/keras/Caffe/MXNet/PyTorch
• 1080Ti、Tesla
• 地平线、寒武纪（中国），商汤
• 分布式数据

开发过程

1. 数据处理、清洗
2. 数据集制作
3. 机器学习
4. 特征工程
5. 对比几种机器学习方法