AI应用开发流程概述

AI应用开发相关目录

本专栏包括AI应用开发相关内容分享，包括不限于AI算法部署实施细节、AI应用后端分析服务相关概念及开发技巧、AI应用后端应用服务相关概念及开发技巧、AI应用前端实现路径及开发技巧
适用于具备一定算法及Python使用基础的人群

1. AI应用开发流程概述

---

---

该专栏所讲的AI应用开发，是指利用AI相关技术为已有系统赋能或从零构建具有一定应用价值的服务开发过程。

AI应用开发往往具备以下几个部分：

1.数据
2.算法
3.前端
4.后端分析服务
5.后端应用服务
6.应用部署

其中，
数据与算法为传统AI工作者的工作内容，本专栏侧重点为应用开发相关的前端、后端分析服务、后端应用服务以及应用部署几个方面。

前端部分，往往指代应用的交互界面/UI界面。前端部分起到对重点数据的显示、交互作用，往往技术栈包括传统的java web开发、Python Django等框架的web开发、streamlit等库包快捷web开发以及C++ QT开发一系列内容。对于Python开发者，不可能对前端开发内容了解得面面俱到，但对于Django web开发、streamlit库快捷web开发等与python密切相关的前端开发方式应具备一定的前端构建能力，且可以利用数据库作为中间件对java web、C++ QT等其他语言开发的界面进行赋能。

后端分析服务，面向已经开发好的算法模型与实际业务需求，主要包括算法分析推理时对特征数据的拿取、对模型的应用、对推理结果的后处理、算法升级迭代以及整个服务过程中定时、日志等鲁棒性功能的实现。

后端应用服务，无须管理算法与数据，主要面向推理结果与实际业务需求，包括推理结果后处理、联动服务（如告警控制）配置、报文通信、历史库记录、实施库更新等功能的实现。

应用部署，主要需要了解linux上全流程服务部署应注意的问题细节与便捷开发部署所需要的工具。