iT邦幫忙

第 12 屆 iThome 鐵人賽

1

為AI而AI

要做AI 專案, 目前潮流下及高層推動, 容易為AI而AI, 以下可以參考

專案規章 Project Charter , 以下是一般專案做法

  • 問題描述 problem statement
  • 目標 goal
  • 前提 assumption
  • 資源 resource
  • 專案時程 milestone

問題描述 problem statement

  • 先確定是AI問題? 還是資訊系統(IT)問題?
  • 不要為AI而AI,
    • 有些問題只是IF-THEN即可解決
    • 有時殺雞用牛刀
  • 是否是AI可以解決的問題
    • 目前有解否?
      • 目前AI技術可解決
    • 有明確判斷準則 ?
      • 分類時 Classification (label清楚)
      • 回歸時 Regression (number 夠多)
      • 集群分析時 Clustering (reasonable 數夠多)
      • Reinforcement Learning (positive/negative 明確)
    • 有否足夠資料 (如X和Y) ?
      • 足夠多資料可以機器學習
      • 資料一致性,多樣性,封閉性,時間性

資源 resource

  • 成員及專案經理需互相搭配, 都了解AI
  • 若很難找到AI人才 , 不仿產學合作, 目前AI知識大部分在學界
  • 一定需要領域專家

正確使用AI

  • 請注意常常實驗室測試效果較好
  • 分析資料很重要
    • 有時在分析資料前, 即開始調參數 , 即演變成 trial and error
    • 應該先分析, 蒐集有效資料, 做有效實驗

參考 國立高雄大學 吳志宏博士 10 Tips for Deploying AI Projects

註:本文是搜尋數個網站及各種不同來源之結果,著重在學習,有些內容已難辦別出處,我會儘可能列入出處,若有疏忽或出處不可考,請聯絡我, 我會列入, 尚請見諒。

上一篇
Day 28 - 強化學習 Reinforcement Learning(2)
下一篇
Day 30 - 台灣AI 之進行式-智慧醫療保健
系列文
AI 高中生的自我學習30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言