指南：本文的首席执行官注释将介绍如何构建自己的人工智能的相关内容。我希望这对每个人都会有所帮助。让我们来看看。
如果您想构建类似于Xiao AI同学类似的人工智能，我们必须得到强大的软件构造技术的支持，并且软件设计编程必须具有很高的水平。
了解AI的一般步骤：
（1）了解人工智能的一些背景知识；
（2）补充数学或编程知识；
（3）熟悉机器学习工具库；
（4）学习AI知识的系统；
（5）执行一些AI应用程序；
1了解人工智能的背景知识
人工智能中有许多概念，例如机器学习，深度学习，神经网络等，使初学者感到人工智能是神秘的且难以理解的。当我首次开始学习时，我知道这些名词的含义。不要深入学习。研究了一段时间后，我自然知道这些概念所代表了什么。
人工智能是一门跨学科的学科，其中数学和计算机编程是学习人工智能的两个最重要方面。这些文章在“ Zhiyun AI列”之前的文章“知道人工智能”也引入了它。尚未阅读的学生可以看一看。
下图是人工智能学习的一般途径：
2补充数学或编程知识
对于已经毕业的工程师，在系统学习AI之前，他们通常会补充一些数学或编程知识。如果您的数学和编程更好，那么学习人工智能会容易得多。
许多学生在提到数学时会害怕数学。但是，可以说学习人工智能无法解决。在进入阶段，它不需要太高的数学，主要数学，线性代数和概率理论，即第一和第二的数学知识学者已经足够了。如果您想从事机器学习工程师的工作或从事人工智能，那么您应该更多地了解数学。良好的数学将是工作的主要优势。
Python在机器学习领域非常受欢迎。可以说，使用最可编程的语言，因此还需要掌握Python编程。在许多编程语言中，Python是一种相对易于学习和使用编程语言。学习python将受益匪浅。
3熟悉机器学习工具库
人们现在意识到人工智能，主要基于一些机器学习工具库，例如Tensorflow，Pytorch等。
在这里，我建议每个人都学习pytorch.pytorch非常受欢迎。它易于使用机器学习工具库。有些人评估Pytorch“它的表现如何，但使用非常舒适。”
当您第一次学习人工智能时，您可以首先运行工具库的官方网站的示例，例如MNIST手写标识。这将对人工智能有感知的理解，消除最初的陌生性。然后，您可以查看代码。里面。您会发现神经网络的程序并不复杂，但是关于神经网络的原理和培训有很多问题。这是一件好事，因为学习问题将更加有效。
4系统学习人工智能
这里的人工智能主要是指机器学习，因为人工智能主要是通过机器学习实现的。
机器学习的三个主要部分：
（1）传统的机器学习算法，例如制造树木，随机森林，SVM等。这些被称为传统的机器学习算法，这些算法与深度学习有关。
（2）深度学习是指深层神经网络，目前可以说是最重要，最重要的人工智能知识。
（3）加强学习源于控制理论，有时转化为增强的学习。深水学习可以与增强学习形成深度增强学习的结合使用。
这里需要知道的是，深度学习并不难学习。对于某些工程学专业的研究生，通常只需要几个星期才能开始，并且可以在实用应用中培训一些神经网络。但是，对深度学习的深入了解并不容易。通常需要几个月。
传统的机器学习算法有很多类型，并且某些算法将具有很多数学公式，例如SVM。这些算法并不容易学习，因此您可以首先学习深度学习，然后慢慢补充这些传统算法。
强化学习更加困难。通常，有必要继续学习两个或三个月才能理解。
5您执行一些AI应用程序吗
在学习了几个星期的深度学习之后，您可以尝试执行一些AI应用程序，例如图像识别，样式迁移，文本诗歌的产生等。学习的效果会更好，它将逐渐逐渐加深对神经网络的理解。
音乐家，化学家和物理学家可以为企业的人工智能团队带来什么灵感？人们需要很多人来了解人工智能的一系列技能和角色，包括非技术技能和角色，这将促进人工智能的成功应用。
人工智能计划的成功可能取决于艺术和哲学，这也取决于数据科学和机器学习。这是因为该公司有效的人工智能部署需要建立一个全面的团队，包括来自各种背景和技能的人员，以及非技术角色。
NESS数字工程公司首席技术官Moshekranc表示：“任何人工智能计划都需要IT专家和行业专家的组合。IT专家了解机器学习工具包：哪种算法系列最有可能解决特定问题？如何调整特定问题？使用它来利用结果的特定算法，以使结果的准确性以及行业专家的知识带来了特定的知识领域：哪些数据源可用？机器学习算法？没有行业专家的投入，IT专家可能无法回答这些问题“”
因此，结论是人工智能的成功确实取决于团队，而不是任何个人或角色。
执行副总裁兼首席信息官兼首席信息官基思·柯林斯（Keith Collins）说：“建立了有效的人工智能团队时，我们需要寻求行业专家或超级团队，团队合作将获胜。
人工智能才能的四种核心类型
柯林斯认为，人工智能团队需要四种核心类型：
?了解业务流程对于建立真实场景和宝贵结果很重要。
?理解分析技术的人员，例如机器学习，统计，预测和优化，并正确使用它们。
?了解数据的来源，质量以及如何维持安全性和信任。
?了解如何通过结果实现人工智能架构师。
柯林斯指出，像其他IT领导者和人工智能专家一样，这些核心学科或角色可以从各种背景中汲取灵感。他以音乐，化学，物理和其他学科为例。
他说：“这些学科鼓励人们从复杂的互动系统中理解科学的过程和思考。他们通常擅长建立批判性思维技能和良好实验所需的应用机器学习结果。”
多元化人工智能团队的价值
多元化团队的价值很广：例如，它可以帮助公司更好地应对人工智能BIAS。这对于解决业务问题（包括最大和困难的问题）也很重要，这可能是公司首先制定制定的原因之一。人工智能策略。
高级数据科学家兼物联网实践的权威杰夫·麦吉希（Jeff McGehee）说：“人们普遍认为，多样化的意见对于解决所有复杂的问题很重要。多样性与生活经验有关。专业背景对于大多数人的生活经验都很重要，它可以增加人工智能项目的维度，并为寻找创新解决方案提供新的观点。”
麦格希还指出，建立人工智能或其他不同团队需要企业的积极努力，也需要作为招聘和就业实践的一部分。企业将发现，多样性的实现可能不是可行的团队建设策略。
考虑到这一点，我们需要了解一系列对人工智能团队（包括非技术角色）有价值的专家和角色。
1.现场专家
人们可以将这些角色和人员视为主题专家。无论使用哪种术语，他们需要了解他们对企业人工智能计划的重要性。
麦格希说：“人工智能系统的开发需要 - 深入了解系统操作领域。专家开发人工智能系统很少成为系统实际领域的专家。行业的专家可以提供关键见解，以使其能够使人有所了解，以使其能够做出能力，使您能够做出专家人工智能系统发挥最佳性能。”
Ness Kranc指出，这些专家可以解决针对企业和策略的领域问题。
他说，行业中的专家类型取决于要解决的问题。没有必要的见解是收入和运营效率还是供应链管理，行业专家需要回答以下问题：
?哪些见解最有价值？
?可以将在行业领域收集的数据用作见解的基础吗？
?意见有意义吗？
以下将引入一些特定的行业领域，但首先了解人工智能团队中的其他关键角色。
2.数据科学家
Jane.AI的人工智能研究与开发总监Dave Costenaro说，这是人工智能团队在新项目中工作的三个关键需求中的第一个。它的示例项目包括聊天代理，计算机视觉系统或预测引擎。
Costenaro说：“数据科学家具有各种背景，例如统计，工程，计算机科学，心理学，哲学，音乐等，通常都有强烈的好奇心，迫使他们在系统中找到和使用模式，例如它们，例如作为您可以为人工智能项目提供的东西，确定它可以做什么，并训练它做到这一点。”
3.数据工程师
Costenaro说：“程序员已经通过标准化代码获得了想法，模型，数据科学家的算法以及与适当的用户，设备，API等的对话，并成功地将其转化为现实。”
4.产品设计师
Costenaro说，三个关键需求的最终结果也说明了人工智能团队非技术知识的价值。
他说：“产品设计师也来自各种背景，例如艺术，设计，工程，管理，心理学和哲学。他们为所需和有用的东西制定了路线图。”
5.人工智能伦理科学家和社会学家
人工智能伦理学科学家和社会学家可能在某些部门（尤其是医疗服务或政府部门）中发挥至关重要的作用，但在广泛的情况下，它似乎变得越来越重要。
麦格希说：“人工智能系统的一个重要组成部分是了解它如何影响人们以及代表团体是否得到公平对待。如果系统的准确性前所未有，但没有预期的社会影响，那么一定可能有可能。失败。”
6.律师
麦格希说，在这个新兴领域，他还看到了法律专业知识的独立和相关需求。并且更多地了解人工智能在工业中的应用，预计将引入更多的法律。一项宝贵的财富。”
由于该行业的专家非常重要，因为Kranc和McGehee精心阐述，有必要在某些行业领域（包括技术和非技术领域）研究特定示例。这些领域应是人工智能团队建设的一部分，具体关于企业的具体目标和用例。
Jane.ai的Costenaro指出：“由于人工智能通常只是一层丰富了现有商业用例的一层，因此过去支持此用例的团队成员仍然很有价值。出于相同的原因，这也是必不可少的原因。”，”
Costenaro提供了可能具有宝贵人工智能的人工智能贡献者的五个角色示例，并解释了如何调整和增强在人工智能环境中的现有角色。
7.高管和战略家
Costenaro说：“企业高管领导层将需要考虑通过人工智能可以自动化和改进哪些业务模型，并权衡以下团队的新机会和风险，例如数据隐私，人类计算机的交互等。”“
8. IT主管
不要对非技术字符的价值感到困惑：没有它，公司的人工智能策略就不会太远。Costenaro指出，IT团队需要解决以下问题：“如果您正在积累并存储一个问题大量用于模型培训的数据，您将如何确保数据的隐私和安全性？此外，它将如何存储并将其从服务器提供到客户的设备，以快速而可靠地提供从服务器提供设备客户的设备。
Costenaro补充说，这还将促进DevOps专业人员的持续增长和云本地技术（例如容器和安排）专业知识人员的所有权。IT部门有机会使用人工智能工具（例如Chat Robots）来简化内部服务。
9.人力资源负责人
Costenaro说：“与此类似，人力资源部也有许多机会为客户提供人工智能工具，例如聊天机器人，以提高效率。”
此外，人力资源似乎是人工智能在评估组织中影响的重要参与者，这与麦格希的角色（例如伦理学家和律师）没有什么不同。
10.营销和销售负责人
正如KRANC指出的那样，如果企业的人工智能计划与收入有关，则应考虑增加销售和营销领域的专业知识。
Costenaro还指出，作为人工智能项目的一部分，销售和营销专业人员可能需要使用销售自动化工具和机器人流程自动化（RPA）和其他技术来增强其现有技能和流程。
11.操作专家
在整个IT部门，运营和DEVOPS专业人员都有特定的专业知识来实施人工智能计划。Costenaro列出了以下问题使用专业知识：在哪里使用专业知识：
?哪些可以自动化和改进？
?如果使用机器学习模型，您将如何创建一个新的数据收集过程来继续培训和改进这些模型？
?我们可以从开源存储库中获得准备模型和/或数据集以获得巨大的第一机会吗？第三方供应商提供的API服务会考虑一些任务和用例吗？
尽管人工智能可以解决一些主要问题，但肯定会带来新的挑战。这是多元化团队的基本原因。
麦格希说。“背景和个性不同的人员会注意不同的项目细节和限制，这很有用，因为它改善了所有重要细节的可能性，并提供了确定解决方案的总体方法。”
结论：以上是如何建立自己的人工智能的所有内容。我希望这对每个人都会有所帮助。如果您想了解有关此信息的更多信息，请记住收集并关注此网站。