基里尔Eremenko
Hadelin de Ponteves

什么人工智能的发展趋势,你应该留意?随着Udemy教师和SuperDataScience,一个共同的副歌的创始人,我们从学生与公司听到的是有太多人工智能跟上的趋势——你怎么知道哪一个是重要的,并且五年后还会继续使用?如果你在机器学习方面训练你的数据科学家团队,这会对业务产生持久的影响吗?还有哪些企业在使用这项技术,它对他们有用吗?

我们最近举办了关于Udemy的商务网络研讨会通过人工智能炒作削减,侧重于哪些技术公司和个人应当考虑在未来十年内采用。随着人工智能变得无处不在,它也可以挑战知道哪些流行语是值得投资的。在这篇文章中,我们考察5个AI趋势是我们告诉学生和企业在2020年及以后跟随。

此外,独家Udemy for Business用户,我发起了组织领导和非专业技术人员想更好地了解这些技能和他们在现实世界中的应用谁7门新的执行简报课程。了解更多关于这些课程有Udemy商务演示

2020年人工智能的五大趋势

1.机器人过程自动化(RPA)

机器人过程自动化(RPA)是一个简单的人工智能技术,同时也是最具破坏性的一个。想象一下,你的工作需要你进行大批量,重复任务的计算机上。也许这是关系到发票的客户端。这需要你打开电子邮件附件,从附件中拷贝数据到CRM数据库,然后从不同的数据库中抓取相关数据,并在回复电子邮件发送新数据。同样的任务从项目的​​工作,你是更感兴趣的是完成每天并阻止您多次。

机器人过程自动化是一种类型的软件机器人的,可以采取在这些手动重复的任务。使用上面的例子中,RPA工具会读取邮件,打开附件,将数据复制到一个CRM,从不同的数据库获取数据,甚至发送电子邮件回复。如果有需要人工干预的升级,RPA会通知员工步调一致。简而言之,RPA去除平凡的工作,并解放了人们更多的令人兴奋的工作,为企业的关键AI趋势来考虑。

关键区域规划应用程序:开发票,账单,工资处理,数据提取和汇总,发货计划和跟踪。

区域规划的案例研究:金融服务公司前锋全球资产达5.6万亿美元下管理。它用RPA执行某些简单的交易任务, “什么时候x偏偏,做y”,等等。RPA工具并没有减少对人类交易者的需求。相反,两者的结合允许人类从事更复杂的工作,从而为Vanguard客户创建更好的整体服务。

在自动化无处不在的企业客户V11主RPA

最后更新2020年2月

  • 25个讲座
  • 初学者级
4.1 (56)

了解自动化Anywhere和机器人自动化(RPA)与理论讲座和动手实践练习|伊利亚Eremenko

探索课程

2.自然语言处理

自然语言处理应用机器学习模型来教计算机如何理解书面和口头语言。由于其丰富且不断增长的应用程序,自然语言处理可以说是AI总体经济价值的顶级分支之一。随着消费者采用谷歌Home或亚马逊Alexa等语音接口技术,它变得尤其受欢迎。我们不是在屏幕上书写或与图形交互,而是与能够理解我们日常语言的设备交谈。

自然语言处理可分为两个子应用:

关键的自然语言处理应用:情感分析,聊天机器人,机器翻译,自动摘要,自动视频字幕。

自然语言处理案例研究:YouTube使用自然语言处理技术在跨平台的多种应用。使用一个大多数人都熟悉的是自动生成的字幕。语音识别软件摄入YouTube视频,并返回视频字幕的输出。该技术第一次去住在网站上,2009年和微调和跨十几种语言翻译感谢一直不断增长的数据集提供给公司 - 视频每天都上传到该平台。

深度学习和NLP A-Z™:如何创建一个聊天机器人

深度学习和NLP A-Z™:如何创建一个聊天机器人

最后更新2020八月

畅销书
  • 96个讲座
  • 所有级别
4.2 (3458)

学习理论和如何实现Tensorflow和Python的艺术深层自然语言处理模型的状态|通过Hadelin德蓬特韦,基里尔Eremenko,SuperDataScience团队,数不胜数手团队

探索课程

3.强化学习

在其最简单的解释,强化学习是输入和输出为主系统,列车本身在试错法来达到一定的目标,同时采用了奖励制度,以加强其决策。所以,一个AI作为输入一些数据,并返回作为输出的动作。当它这样做正确,它领奖。更好的完成其任务,更多的奖励系统给定的,反之亦然。

想象一下,训练一个人工智能agent来预测一个物体是胡萝卜还是木棍。如果它准确地预测到了胡萝卜,我们给它+ 1如果它错误地预测到了木棍,我们给它- 1。

主要强化学习应用:个性化推荐、广告预算优化、广告内容优化。

强化学习案例研究:受欢迎的中国电子商务网站阿里巴巴利用强化学习将其在线广告的投资回报率提高了240%增加广告预算。在一个研究论文,阿里巴巴团队解释了强化学习如何使用通过创建竞价模式为展示每一个小时,并相应地进行实时竞价优化赞助搜索活动。在论文中,你可以看到这个强化学习系统如何跑赢其他出价系统的标杆。

深度强化学习2.0

最后更新2020八月

  • 63课
  • 初学者级
4.4 (473)

深Q学习,政策渐变,演员评论家和DDPG的聪明组合|通过Hadelin德蓬特韦,基里尔Eremenko,SuperDataScience团队

探索课程

4.边缘计算

随着智能手机,智能手表,以及物联网,使我们的家园和汽车设备,还有飞来飞去大量的数据。处理所有这些数据是一项复杂的工作,需要的信息发送到基于云的服务器上数百甚至数千英里之外的计算机。失去了Wi-Fi连接和您的智能设备成为一个非常昂贵的砖头。

输入边缘计算,其直接将设备上的服务器和设备访问他们的智慧所需的数据存储,并把它。这是实时数据处理的结果以更快的计算响应,避免网络延迟。如果云计算大数据,边缘计算是瞬间数据。

边缘计算的另一种类型的上节点执行。边缘计算节点是一个小型服务器接近本地电信提供商。使用节点创建云和本地计算选项之间的桥梁。这种技术的结果更低的成本和花费的数据计算,使得为消费者提供更快的体验更短的时间。

让你的团队。领导你的行业。

找出你怎么可以用Udemy for Business服务训练你的团队在最新的AI技能。

请求一个演示

关键边计算应用:更多设备互联互通,物联网技术成长。

边缘计算的案例:考虑在你的厨房柜台亚马逊回声。在回声Alexa的助手实际上不是在装置。它承认的“唤醒”“一词Alexa的”,但回声必须连接到Wi-Fi通过基于云的服务器来处理音频的查询,无论简单还是复杂的请求。

随着特殊设计的AI芯片通过支持边缘计算,Amazon希望解决一些简单的问题,比如“现在几点?”“直接在设备上,减少响应时间,提供更好的用户体验。”

通过谷歌学习BERT - Most强大的NLP算法

了解BERT - 由谷歌最强大的NLP算法

最后更新2020年7月

  • 37个讲座
  • 所有级别
4.2 (350)

理解和应用谷歌的改变游戏规则的NLP算法,以真实世界的任务。建立2个NLP应用。|由Martin Jocqueviel, Kirill Eremenko, Hadelin de Ponteves,超级数据科学团队撰写

探索课程

5.AI开源框架

编程世界是建立在库和框架之上的,这些库和框架消除了日常编码工作中的冗余。例如,JavaScript库等反应和角帮助开发人员构建网站快速和更少的错误,因为他们提供常用的组件。同样的,开放源码的AI编程框架已经允许人工智能技术的发展迅速扩大。bob外围官网通过这些民主化AI工具程序员,数据科学家和各层次的技术团队,人工智能研究是不是排他性的硅谷人才或博士候选人。

由于对AI功能,高度复杂的建库和平台人工智能算法,现在的模型,管道和培训程序是那些在技术的兴趣访问。假设你想建立一个基于计算机视觉的项目,一些开源的AI框架将让你实现与代码非常几行计算机视觉系统。

关键开源AI框架应用:原型和培养复杂AI算法;建立管道来定义,优化和评估一个AI模型;自动增强学习模块的培训;建立只需几行代码神经网络。

开源Al骨架案例研究:TensorFlow是由谷歌开发的AI框架,可以在人工智能中的任何分支中。随着TensorFlow,你可以建立图像分类卷积神经网络。有些TensorFlow模块也将有助于简化NLP系统的创建。这是最流行的AI框架之中,特别是因为TensorFlow 2.0的发展,它允许用户创建更高级的AI系统。bob外围官网

关于使用Keras API的TensorFlow 2.0的完整指南

在TensorFlow 2.0的一个完全指南使用Keras API

最后更新2020八月

  • 133个讲座
  • 初学者级
4.4 (1401)

在TensorFlow 2.0 |中构建深度学习和人工智能的惊人应用通过Hadelin德蓬特韦,基里尔Eremenko,SuperDataScience队,卢卡Anicin

探索课程

还有更多的开源框架和库帮助人工智能应用程序的发展。在整个网络研讨会上,我们深入研究了框架以及这些人工智能趋势的实际商业用例一定要观看这里的网络研讨会。

推荐研讨会

网络研讨会

人工智能的趋势将塑造2020年和未来十年

Udemy的顶级导师Kirill Eremenko和Hadelin de Ponteves分享了影响2020年的人工智能(AI)发展趋势。

观看网络研讨会

最后更新日期:2020年2月