本文转载自公众号“阅读术”（ID：AI_Discovery）想要使用人工智能咨询服务，首先要了解这6个人工智能术语，才能用好咨询内容很大程度上。1.DataWranglingDataWrangling是指获取元数据并将其转换为机器学习和人工智能可以识别的形式和结构的过程。数据整理是任何AI顾问为了获取客户收集的数据并将其用于构建软件解决方案所需的任何模型而采取的首要步骤之一。此过程涉及许多步骤，包括数据输入、数据结构化、清理不良数据以及处理数据以创建更多有效字段。这部分看似简单，但可能是最重要的部分，需要客户输入的数据来指导新顾问整理这些数据。2.人工智能模型的数据插值大多数数据集都存在缺失值字段，这使得数据集显得稀疏、分散。最快的解决方法是简单地从数据集中删除字段或属性，但通常这种解决方案是相当低级的，因为顾问首先能够获得的任何数据都是有价值的。在这种情况下，大多数人工智能咨询公司会根据剩余数据，通过数据处理技术，为缺失值分配最合理的值。最常用的技术是均值插补法，它取该领域已知数据的平均值并填补空白。许多数据科学顾问都采用这种技术，这是一种在不损害当前数据架构的情况下填补空白的好方法。3.数据划分许多使用人工智能和机器学习的模型都会对数据进行分组，用于模型训练和测试。很多人工智能咨询公司都会要求提供的数据，无论是文件大小还是行数，都必须满足一定的数量要求，以保证有足够的数据进行分组。有时他们会与客户合作，收集未来的数据作为测试集，将其添加到已建立的数据集中。在Scalr.ai，我们尝试将两者结合起来，尤其是在未来可以通过管理良好的数据流轻松访问数据的情况下。4.监督学习许多人工智能咨询服务使用机器学习或数据科学，并使用算法来寻找属性（又名字段）与最终已知目标之间的联系。大多数人工智能顾问在他们的人工智能软件解决方案中至少使用其中一种方法。这种方法的一个典型示例是将房屋的平方英尺、楼层数和门数作为字段的模型。目标变量是已知的房价，使用这个模型，可以预测未来的房价。5.无监督学习你大概可以猜到，在这个过程中使用了上面的一组输入数据，但是并没有使用目标变量，所以得出了不同的结论。一般来说，你这样做是因为你不知道目标变量，你不知道数据的整体信息，但你想开始构建一些目标变量。大多数人工智能咨询公司使用这些算法来查找数据中的异常值，例如安全系统中可能是危险信号的超出范围的数据点。6.模型评估指标最后，雇人建立有效的模型和算法以获得预期的结果。AI顾问可以评估指标以了解正在完成的工作的实际进度，并在出现问题时决定如何调整解决方案。大多数时候，您会听到用于评估模型的术语是准确度、AUC和精确度，但在软件中评估模型的方法还有很多。
