AI'nin Veri Akışı
Veri Akışı, AI mühendislik yaşam döngüsündeki veri hareketi sırasını temsil eden bir makine öğrenimi modelidir.
Öncelikle, veri depolama, eğitim vb. için hazırlanmak üzere katman katman işlenir.
Daha sonra, veri, makine öğrenimi modelleri ve uygulamalarında kullanılmak üzere depolanırken, rafine edilir ve hazırlanırken işlem katmanlarından geçer. Daha işlevsel bir bakış açısıyla, veri daha sonra aşağıda gösterildiği gibi farklı makine öğrenimi işlev grupları tarafından kullanılır:
Yukarıdaki grafikteki her katman için detaylar şu şekildedir:
Kaynaklar
Veri kaynakları şunları içerir:
Şirket İç Veritabanları
Şirket İç Dosyaları
Web Siteleri
Kamu Verileri
Akıllı Telefon Uygulamaları
IoT Cihazları
Ticari Veri Toplayıcıları
Satış Noktası
Kurumsal İç Süreçler
Sosyal Medya
Veri Akışları
Kayıt Etmek
Yakalama mekanizmaları şunlardır:
Web Sitesi Kazıma
Web Sitesi ve Akıllı Telefon Sohbet Diyalogları
Web Sitesi ve Akıllı Telefon Form Gönderimleri
IoT Cihaz Arayüzleri
Ticari Veri Toplayıcı Beslemeleri
Kurumsal İç Süreç Beslemeleri
İş Akışı
Pipeline süreçleri şunlardır:
Veri Alımı
Veri Geçici Depolama
Veri Aboneliği
Veri Yayını
Veri Tabanları
Veritabanları şunları içerir:
Veri Gölleri
SQL Veritabanları
Belge Veritabanları
Grafik Veritabanları
"Veri Çekme, Dönüştürme ve Yükleme" (Extract, Transform, Load)
ETL'ler şunları içerir:
Çekme İşlevleri: Seçilen kaynaklardan veri çekme
Dönüştürme İşlevleri: Normalizasyon, düzenleme, toplama
Yükleme İşlevleri: Veriyi modelleme süreçlerinde kullanılmak üzere formatlarda kaydetme
Modeller
Model türü kategori örnekleri şunlardır:
Yapay Sinir Ağları
Karar Ağaçları
Olasılıksal Grafik Modelleri
Küme Analizi
Gaussian Süreçleri
Regresyon Analizi
Uygulamalar
Uygulama örnekleri şunlardır:
Tıbbi Tanı
Otonom Araçlar
Sohbet Botu Diyaloğu
Görüntü Tanıma
Yüz Tanıma
Ürün Önerileri
Müşteri Kaybı Tahmini
Kötü Amaçlı Yazılım Tespiti
Arama İyileştirme
最后更新于
这有帮助吗？