网络安全|深度学习也能不玩大数据?小企业训练大模型有新解( 二 )


Landing AI重点在于让客户能够自己训练机器学习模型 , 该公司主要为其提供相关工具 , 能在数据出现异常时进行数据标记 , 让公司自己就能实现模型的快速更新 。

吴恩达表示 , 这不仅仅是制造业的问题 , 以医疗健康领域为例 , 每家医院的电子版健康记录都有自己的格式 , 期望每家医院的程序员开发不同的模型是不现实的 , 唯一的方法就是为客户提供工具 , 让他们能够构建适配的模型 , Landing AI目前在计算机视觉领域推广这样的工具 , 其他AI领域业需要做这样的工作 。
结语:深度学习方法或转向 , 数据求精不求多长期以来 , 深度学习模型的更新与优化主要依赖对模型的调整 , 或直接补充更多数据 , 反复训练模型 , 提升模型的准确度 。 吴恩达则更推荐对少量噪声数据进行数据标记和更新 , 实现更有针对性的模型优化 。
此前 , 吴恩达在推特上发起了“Data-centric AI”竞赛 , 使更多从业人员注意到通过数据进行模型优化的方法 , 越来越多的研究人员使用数据增强(data augmentation)、合成数据(synthetic data)等方法 , 实现更高效的模型训练 。 未来 , 数据优化是否会成为实现模型迭代的主流方法 , 值得期待 。
来源:IEEE

相关经验推荐