Kirill Eremenko
Hadelin de Ponteves

你应该关注哪些人工智能趋势?作为Udemy的导师和SuperDataScience的创始人,我们从学生和公司那里听到的一个普遍的说法是,有太多的人工智能趋势要跟上——你怎么知道哪一种很重要,并且在五年内仍将继续使用?如果你在机器学习方面培训你的数据科学家团队,它会对业务产生持久的影响吗?还有哪些企业正在使用这项技术,它对他们有用吗?

我们最近举办了Udemy商业网络研讨会这篇文章穿透了人工智能的炒作,聚焦于未来十年公司和个人应该考虑采用哪些技术。随着人工智能变得无处不在,要知道哪个流行语值得投资也很有挑战性。在这篇文章中,我们研究了我们告诉学生和企业在2020年及以后要遵循的5个人工智能趋势。

此外,Udemy面向商业用户推出了7个新的高管简报课程,面向希望更好地理解这些技能及其在现实世界中的应用的组织领导人和非技术专业人士。通过a了解更多关于这些课程的信息Udemy商业演示

2020年人工智能的5大趋势

1.机器人过程自动化(RPA)

机器人过程自动化(RPA)是一项简单的人工智能技术,但也是最具颠覆性的技术之一。想象一下,你的工作需要你在电脑上完成一项高容量、重复性的任务。也许跟给客户开发票有关。这需要您打开电子邮件附件,将附件中的数据复制到CRM数据库中,然后从另一个数据库中获取相关数据,并在电子邮件回复中发送新数据。同样的任务一天会被做很多次,这会阻碍你去做你更感兴趣的项目。

机器人过程自动化是一种软件机器人,可以承担这些手工重复的任务。使用上面的示例,RPA工具将读取电子邮件、打开附件、将数据复制到CRM中、从不同的数据库获取数据,甚至发送电子邮件回复。如果存在需要人工干预的升级,RPA将通知员工介入。简而言之,RPA消除了平凡的任务,将人们解放出来从事更令人兴奋的工作,这是企业需要考虑的一个关键人工智能趋势。

关键区域规划应用程序:发票、帐单、工资单处理、数据提取和汇总、发货计划和跟踪。

区域规划的案例研究:金融服务公司先锋5.6万亿美元的全球资产在管理。它使用RPA执行某些直接的交易任务,“当x发生,y”,等等。RPA工具并没有减少对人类交易员的需求。相反,两者的结合可以让人类从事更复杂的工作,从而为Vanguard客户创造更好的整体服务。

2.自然语言处理

自然语言处理应用机器学习模型,教计算机如何理解书面和口头语言。由于其丰富和不断增长的应用,自然语言处理可以说是人工智能整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。我们不再书写或与屏幕上的图形互动,而是与能够理解我们随意语言的设备对话。

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程序: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在平台上的许多应用程序中使用了自然语言处理技术。大多数人都熟悉的一种用法是自动生成字幕。语音识别软件接收YouTube视频并返回视频字幕的输出。这项技术于2009年首次在该网站上上线,由于该公司可用的数据集不断增长——每天上传到该平台的视频——已经过微调,并被翻译成十几种语言。

深度学习和NLP a - z™:如何创建聊天机器人

深度学习和NLP a - z™:如何创建聊天机器人

2021年9月

畅销书
  • 96课
  • 所有级别
4.5 (4102)

学习Tensorflow和Python |中最先进的深度自然语言处理模型的理论和如何实现作者:Hadelin de Ponteves, Kirill Eremenko, Zillion Hand Team, Ligency Team

探索课程

3.强化学习

最简单的解释是,强化学习是一种基于输入和输出的系统,它通过反复试验来训练自己达到某个目标,同时使用奖励系统来强化它的决定。因此,AI接受一些数据作为输入,并返回一个动作作为输出。当它正确地做到这一点时,它将获得奖励。它执行得越好,系统得到的奖励就越多,反之亦然。

想象一下训练一个人工智能代理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,我们就奖励它+ 1,如果它错误地预测到了木棍,我们就奖励它- 1。

关键的强化学习应用: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:中国颇受欢迎的电子商务网站阿里巴巴(Alibaba)利用强化学习将其在线广告投资回报率提高了240%没有增加广告预算。在一个研究论文,阿里巴巴团队解释了如何利用强化学习来优化赞助搜索活动,方法是创建一个竞价模型,根据每小时的印象进行实时竞价。在本文中,你可以看到这个强化学习系统如何优于其他投标系统的基准。

深度强化学习2.0

2021年9月

  • 63课
  • 初学者水平
4.6 (838)

深度Q-Learning,政策梯度,演员评论家和DDPG |的最聪明的组合作者:Hadelin de Ponteves, Ligency Team

探索课程

4.边缘计算

随着智能手机、智能手表和物联网设备在我们的家中和汽车上的普及,有大量的数据在四处流动。处理所有这些数据是一项复杂的工作,需要将信息发送到基于数百甚至数千英里以外服务器的云计算机器。失去Wi-Fi连接,你的智能设备就会变成一块非常昂贵的砖头。

进入边缘计算,它将设备访问智能所需的服务器和数据存储直接放在设备上。这是实时数据处理,可以获得更快的计算响应,并避免网络延迟。如果说云计算就是大数据,那么边缘计算就是即时数据。

另一种类型的边缘计算是在节点上执行的。边缘计算节点是靠近本地电信供应商的迷你服务器。使用节点在云计算和本地计算选项之间建立了一座桥梁。这种技术降低了成本,减少了数据计算的时间,为消费者带来了更快的体验。

让你的团队。领导你的行业。

通过Udemy for Business订阅,了解如何培训您的团队掌握最新的人工智能技能。

请求一个演示

关键边缘计算应用:更多设备的互联,物联网技术的增长。

边缘计算案例研究:想想厨房柜台上的亚马逊Echo吧。Echo上的Alexa助手技术实际上并不在设备上。它可以识别“Alexa”的“唤醒词”,但Echo必须连接到Wi-Fi,才能通过基于云的服务器处理你的音频查询,无论这个请求是多么简单或复杂。

与一个专门设计的人工智能芯片亚马逊希望解决一些简单的问题,比如“现在几点了?”“直接在设备中,减少响应时间,提供更好的用户体验。

通过谷歌学习BERT -最强大的NLP算法

通过谷歌学习BERT -最强大的NLP算法

2021年9月

畅销书
  • 36个讲座
  • 所有级别
4.4 (772)

理解并应用谷歌改变游戏规则的NLP算法到实际任务中。构建2个NLP应用程序。|作者:Martin Jocqueviel, Ligency Team

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,这些库和框架可以从日常编码工作中去除冗余。例如,像React和Angular这样的JavaScript库帮助开发人员快速构建网站,减少错误,因为他们提供通用组件。同样,开源的人工智能编程框架使得人工智能技术的发展得以迅速扩大。bob外围官网通过向程序员、数据科学家和各级技术团队普及这些人工智能工具,人工智能研究不再只局限于硅谷专业人士或博士候选人。

多亏了为人工智能功能构建的库和平台,非常复杂人工智能算法现在,对该技术感兴趣的人都可以使用该技术的模型、管道和培训程序。假设你想构建一个基于计算机视觉的项目,一些开源的AI框架将允许你用很少的代码行来实现计算机视觉系统。

关键开源AI框架应用:复杂人工智能算法的原型和训练;建立定义、优化和评估AI模型的管道;将强化学习模块的训练自动化;用几行代码构建神经网络。

开源AI框架案例研究:TensorFlow是谷歌开发的AI框架,可用于任何人工智能分支。使用TensorFlow,您可以构建用于图像分类的卷积神经网络。一些TensorFlow模块还将帮助简化NLP系统的创建。这是最受欢迎的AI框架之一,特别是自从TensorFlow 2.0开发以来,它允许用户创建更先进的AI系统。bob外围官网

使用Keras API的TensorFlow 2.0的完整指南

使用Keras API的TensorFlow 2.0的完整指南

2021年9月

  • 133课
  • 初学者水平
4.5 (1716)

在TensorFlow 2.0 |中构建令人惊叹的深度学习和人工智能应用作者:Hadelin de Ponteves, Luka Anicin, Ligency Team

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。我们将在完整的网络研讨会中深入研究这些人工智能趋势的框架以及现实生活中的商业用例一定要看这里的网络研讨会。

页面最后更新:2020年2月