知乎热议中国程序员市场已饱和

建筑工地就像一块巨大的拼图，人与部件必须在正确的时间拼在一起。对于更大的项目，延迟的代价会更大。麦肯锡预计，现场管理不善每年给建筑业造成1.6万亿美元的损失。但英国-以色列创业公司Buildots的创始人兼首席执行官罗伊·达农预测，一栋有1500个房间的大楼通常只有5名经理监督建设。“一个人是不可能控制那么多细节的。”

达农认为，人工智能(AI)可以帮助开发一个图像识别系统，它可以监控正在进行的建设项目的每一个细节。它还自动标记延迟或错误。除了Buildots，欧洲两大建筑公司，包括英国建筑巨头Wates，也在大型住宅建筑中使用该系统。建筑业在很大程度上是一种制造业。如果高科技工厂采用人工智能来管理他们的流程，那么现在正是建筑工地开始使用人工智能的时候了。
 

你需要什么特征

特征选择与模型选择紧密相关。

模型正则化

模型正则化在机器学习中极为重要，也是 AI 从业者最强大的工具之一。

模型集成

顾名思义，集成的核心思想是将一组模型组合在一起，以获得性能更高的模型，就像在管弦乐队中组合乐器一样。这一部分就讲述了如何在机器学习中获得和谐的「声音」。

模型评估

模型评估对于训练和交叉验证尤其重要。

无监督学习

购物篮分析

购物篮分析是无监督学习算法的一个示例，它要解决的问题是分析不同物品组合之间的关系及其在特定篮子中出现的频率。

K-Means 聚类算法

这一部分从数据聚类的角度进一步介绍了无监督学习。这里介绍了 K-means 聚类算法，这是 AI 从业者最常用的聚类算法之一。

主成分分析

主成分分析是这本资料介绍的首个数据降维技术。听起来有点复杂，但其核心降维技术是一个相当直观的想法。

深度学习

前馈神经网络

从前馈神经网络开始，作者开始深入探讨深度学习。由于深度学习主要是对神经网络的研究，因此在资料中作者也详细介绍了神经网络模型，首先就从前馈神经网络展开。

神经网络实践

上一节介绍了前馈神经网络的示例，但漏掉了一些细节，如激活函数、权重设置以及神经网络理论的其他方面。本节将对这些问题进行总结。

卷积神经网络

2012 年，来自多伦多大学的研究团队提出世界上第一个完全使用神经网络构建的图像识别系统 AlexNet，并在 ImageNet 竞赛中脱颖而出。这一里程碑事件对今天的人工智能浪潮起到推动作用，卷积神经网络架构是这一转折点的核心。

循环神经网络

卷积神经网络与视觉任务相关，而循环神经网络曾经是语言相关问题的标准模型。实际上，很长一段时间以来，自然语言研究者认为，循环网络能够在任何自然语言问题上取得 SOTA 结果。对于单个模型来说，这是很高的要求。但时至今日，循环神经网络仍然在自然语言任务上表现出色。

作者介绍

（编辑：甘孜站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!