点击观看大咖分享
据《中国ICT人才生态白皮书》研究分析,2018年底,我国人工智能人才缺口已突破100万,到2020年,这一数字将攀升到226万。但全球367所具有人工智能研究方向的高校每年在该领域毕业的学生仅约2万人,远远不能满足市场需求。
人才缺口大,腾讯云发布超新星AI人才培养计划,深耕高校教育生态。作为该计划中唯一的机器学习平台,腾讯云智能钛TI-ONE走进高校课堂,受到了老师和同学们的喜爱。
无论您是AI出入门者,还是AI专家,在智能钛机器学习平台上,都能找到适合您的建模方式。
本次腾讯云大学大咖分享课程邀请 余祖坤 腾讯云高级产品经理 分享关于“腾讯云机器学习平台TI-ONE”课程的内容。开启云上机器学习建模之旅,与智能钛TI-ONE来一场浪漫的邂逅吧!
本次分享主要包括三个部分:TI-ONE产品架构;TI-ONE产品特性;使用TI-ONE搭建模型。
1.TI-ONE产品架构
1.1机器学习概述
机器学习通过学习输入的数据来构建模型,以对未来的新输入信息做出预测或识别。
机器学习就好比烧饭,将大米(数据)放入电饭煲(机器学习),选择不同的烹煮模式(不同的算法),最后得到米饭或者粥(不同的模型)。
目前,机器学习已经拥有广泛的应用场景,如图像识别、金融风控、智能投研、精准推荐、疾病诊断、工程检测等等。
1.2传统机器学习与深度学习
传统机器学习表现为完整的流水线,包含以下几个环节:
**1.数据获取:**从数据源接入数据,用于后续的算法训练。
2.数据预处理:如缺失值处理、数据格式处理。
3.特征提取:在原始数据的基础上提取出会对训练结果有帮助的值的过程,这个过程很大程度上依赖建模人员的经验,尤其是对业务的理解。
4.特征选择:选择好的特征,加入到模型训练过程中。
5.选择算法:模型的搭建可以选择不同的方法,如随机森林算法、决策树算法、支持向量机算法等。
传统机器学习的特点是:特征选择需要人工参与。而深度学习在其衍生之后,特征选择过程可以通过神经网络来完成。
今天我们课程所说的机器学习,指的是广义的机器学习,包括了传统机器学习和深度学习。
1.3机器学习建模过程
过程:用户数据-数据预处理-特征工程-机器学习算法-模型评估-生成离线或在线的服务。
生成的模型好不好,需要有方法去评估,好的模型要生成离线或在线的服务进入到实际的应用,整个过程需要大量的计算资源支持。
智能钛TI-ONE提供以上环节的全流程算法开发及部署支持。
1.4机器学习平台价值主张
前面我们已经了解了机器学习概念,知道了机器学习搭建模型的整个过程。现在谈下机器学习建模时算法工程师有两种选择&