WorksheetsICT 2
Total questions: 20
Worksheet time: 10mins
Уровень эффективности использования исторических данных для прогнозирования будущих данных системами ИИ
Эффективность средняя
Эффективность высокая
Эффективность нулевая
Пример функции ИИ из области дорожного движения
Определение месторасположения других машин по изображению того, что находится впереди машины
Расчёт налогов для водителей
Измерение температуры воздуха в салоне автомобиля
Пример функции ИИ из области постановки диагноза в медицине
Рассчитать дневную норму калорий пациента
Составить расписание приёма пациентов
Поставить диагноз о наличии пневмонии по рентгеновскому снимку
Уровень эффективности системы ИИ при переходе на массив данных, на котором она не обучалась
Эффективность низкая
Эффективность средняя
Эффективность очень высокая
Из чего состоит нейронная сеть
Из баз данных
Из операционных систем
Из искусственных нейронов
Функция искусственного нейрона в нейронной сети
Управление другими нейронами
Хранение больших объёмов данных
Вычисление одной относительно простой функции
Элемент графического изображения, являющийся входными данными для распознавания людей на фото
Контур
Пиксел
Тень
Что нужно знать и делать для использования нейронной сети
Нужно знать формулы всех вычислений внутри нейронов
Нужно загрузить данные для обучения и не нужно знать внутренний механизм вычисления каждого нейрона
Не нужно загружать данные для обучения
Последовательность этапов проекта машинного обучения
1) Сбор данных → 2) Обучение модели → 3) Развертывание модели
1) Обучение модели → 2) Развертывание модели → 3) Анализ данных
1) Разработка интерфейса → 2) Создание отчёта → 3) Тестирование пользователей
🔟 Последовательность этапов проекта по анализу данных
1) Обучение модели → 2) Разработка сайта → 3) Публикация результатов
1) Сбор гипотез → 2) Разработка интерфейса → 3) Проверка гипотез
1) Сбор данных → 2) Анализ данных → 3) Предложение гипотез и действий → 4) Продолжение сбора данных → 5) Повторный анализ
Влияние данных, науки о данных и машинного обучения на рабочие функции
Относятся только к IT-специалистам
Не оказывают влияния на рабочие процессы
Трансформируют множество различных рабочих функций, независимо от профессий
Основные критерии выбора проекта ИИ
Осуществимость и ценность для бизнеса
Личное предпочтение руководителя
Увлекательность и популярность темы
Принципы организации мозгового штурма для проектов ИИ
1) Сосредоточиться на автоматизации задач, а не рабочих мест
2) Найти задачи, выполняемые людьми, и выделить те, что можно автоматизировать
3) Определить болевые точки бизнеса
1) Исключить сотрудников из обсуждения
2) Начать с выбора технологий
Практические этапы проверки и оценки проекта ИИ
1) Техническая проверка → 2) Бизнес-проверка
1) Финансовая проверка → 2) Проверка дизайна интерфейса
1) Проверка орфографии → 2) Анализ клиентской базы
Формы реализации проектов ИИ по ресурсам
1) Только государственное финансирование
2) Разработка без ресурсов
1) Использование собственных ресурсов компании → 2) Аутсорсинг
Тип ограниченности ресурсов времени, данных и инженерных ресурсов
Неограниченные ресурсы
Ограниченные ресурсы
Избыточные ресурсы
Инструменты и фреймворки машинного обучения с открытым исходным кодом
PyTorch, TensorFlow, Hugging Face, PaddlePaddle, Scikit-Learn, R
Excel, Photoshop, PowerPoint
Chrome, Notepad++, Paint
Аппаратные устройства, используемые в системах ИИ
Принтеры и сканеры
Центральные и графические процессоры (CPU и GPU)
Клавиатуры и мыши
Тип процессора, наилучший для задач ИИ
Графический процессор — GPU
Центральный процессор — CPU
Звуковой процессор — SPU
Компания — лидер по производству графических процессоров
Intel
Nvidia
Xiaomi
