Kirill Eremenko
Hadelin德蓬特韦

你应该关注哪些人工智能趋势?作为Udemy的导师和超级数据科学的创始人,我们经常从学生和公司那里听到这样的说法:太多了人工智能趋势跟上 - 你怎么知道哪一个事项,将仍然在使用五年?如果你训练你的数据科学家团队在机器学习,这将对业务产生持续的影响?还有什么其他企业都在使用这种技术,并且它的工作又在哪里?

我们最近举办了研讨会上Udemy商业这篇文章穿透了人工智能的炒作,聚焦于未来10年公司和个人应该考虑采用哪些技术。随着人工智能变得无处不在,要想知道哪个流行词值得投资也很有挑战性。在这篇文章中,我们研究了5种人工智能趋势,我们告诉学生和企业在2020年以后应该遵循这些趋势。

此外,Udemy专为商业用户设计,我为希望更好地理解这些技能及其在现实世界中的应用的组织领导和非技术专业人士推出了7个新的执行简报课程。更多地了解这些课程Udemy用于业务演示

5 AI发展趋势:2020年

1.机器人过程自动化(RPA)

机器人过程自动化(RPA)是一项简单的人工智能技术,但也是最具破坏性的技术之一。想象一下,你的工作要求你在电脑上执行大量重复的任务。可能与给客户开具发票有关。这要求您打开一个电子邮件附件,将附件中的数据复制到CRM数据库中,然后从另一个数据库获取相关数据,并在电子邮件回复中发送该新数据。同样的任务每天要做很多次,这会阻止你去做你更感兴趣的项目。

机器人过程自动化是一种软件机器人,可以承担这些手动重复的任务。使用上面的示例,RPA工具将读取电子邮件、打开附件、将数据复制到CRM中、从不同的数据库获取数据,甚至发送电子邮件回复。如果有需要人工干预的升级,RPA将通知员工介入。简而言之,RPA消除了单调的任务,让人们有时间从事更刺激的工作,这是公司需要考虑的一个关键的人工智能趋势。

关键RPA应用:开发票,账单,工资处理,数据提取和汇总,发货计划和跟踪。

RPA案例研究:金融服务公司先锋具有$ 5.6万亿美元的全球资产在管理。它使用RPA来执行某些直接的交易任务,“当X发生,ÿ,“等等。在RPA工具并没有减少对人贩子的需要。相反,两者的结合可以让人类的工作更复杂的工作,从而为客户先锋更好的整体服务。

自动化Anywhere企业客户端v11中的主RPA

最近更新2020年2月

  • 25课
  • 初学者水平
4.1 (54)

学习自动化的任何地方和机器人过程自动化(RPA)与理论讲座和实践练习|由Ilya Eremenko

探索课程

2.自然语言处理(NLP)

自然语言处理适用于机器学习模型教电脑如何理解什么是在书面语和口语说。由于其丰富的和不断增长的应用,自然语言处理可以说是AI的整体经济价值最高的一个分支。随着消费者采用语音接口技术,如谷歌主页或亚马逊Alexa的它变得特别流行。而不是写也可以用屏幕上的图形交互,我们谈论对那些能理解我们的语言的休闲设备。

自然语言处理可分为两个子应用:

关键的自然语言处理的应用:情绪分析,聊天机器人,机器翻译,自动摘要,自动视频字幕。

自然语言处理案例研究: YouTube在跨平台的许多应用程序中使用了自然语言处理技术。大多数人熟悉的一种用法是自动生成字幕。语音识别软件接收YouTube视频并返回视频字幕输出。这项技术于2009年首次在网站上发布,由于公司的数据不断增长——每天都有视频上传至该平台,这项技术经过了微调,并被翻译成十几种语言。

深度学习和NLP a - z™:如何创建聊天机器人

深度学习和NLP a - z™:如何创建聊天机器人

最后更新2020年8月

畅销书
  • 96课
  • 所有级别
4.2 (3431)

学习在Tensorflow和Python |中实现最先进的深度自然语言处理模型的理论和方法Hadelin de Ponteves, Kirill Eremenko, SuperDataScience团队,Zillion Hand团队

探索课程

3.强化学习

最简单的解释是,强化学习是一个以输入和输出为基础的系统,它通过反复试验来训练自己达到某个目标,同时使用一个奖励系统来强化它的决定。因此,一个AI接受一些数据作为输入,并返回一个动作作为输出。当它正确地做到这一点时,它就会得到奖励。它的任务执行得越好,系统得到的奖励就越多,反之亦然。

想象一下,一个训练AI剂来预测一个对象是否是一个萝卜或木棒。如果准确地预测一个胡萝卜,我们给它加一的奖励,如果错误地预测了木棒,我们给它减一的奖励。

重点强化学习应用:个性化推荐,广告预算优化和广告内容优化。

强化学习案例:阿里巴巴,中国流行的电子商务网站,利用强化学习由240%提高其投资回报的网络广告没有增加广告预算。在一个研究论文,阿里巴巴团队解释了强化学习是如何被用于优化赞助搜索活动的,方法是创建一个每小时的印象竞价模型,并据此执行实时竞价。在论文中,你可以看到这个强化学习系统是如何超过其他投标系统的基准。

深强化学习2.0

最后更新2020年8月

  • 63个讲座
  • 初学者水平
4.4 (460)

深度q学习、政策梯度、演员批评家和DDPG |的最聪明组合由Hadelin de Ponteves, Kirill Eremenko,超级数据科学团队撰写

探索课程

4.边缘计算

随着智能手机、智能手表和物联网设备出现在我们的家庭和汽车上,大量的数据在空中飞舞。处理所有这些数据是一项复杂的工作,需要将信息发送到基于数百甚至数千英里之外服务器的云计算机器上。失去Wi-Fi连接,你的智能设备就会变得非常昂贵。

进入edge computing,它获取设备访问其智能所需的服务器和数据存储,并将其直接放在设备上。这是一种实时数据处理,可以使计算响应更快,并避免网络延迟。如果云计算是大数据,边缘计算就是即时数据。

另一种边缘计算是在节点上执行的。边缘计算节点是靠近本地电信供应商的微型服务器。使用节点在云和本地计算选项之间创建一个桥梁。这种技术降低了成本,减少了数据计算所花费的时间,为消费者提供了更快的体验。

使您的团队。带领你的行业。

了解如何通过商业订阅的Udemy软件来培训你的团队掌握最新的AI技能。

申请演示

主要边缘计算应用:更多的设备,物联网技术的发展的互联。

边缘计算案例研究:想想你厨房柜台上的Amazon Echo吧。Echo上的Alexa助手技术实际上并不在设备中。它能识别“Alexa”中的“唤醒词”,但Echo必须连接到Wi-Fi,通过一个基于云的服务器来处理你的音频查询,无论请求是简单还是复杂。

与一个专门设计的人工智能芯片使边缘计算,亚马逊希望能够解决简单的问题,比如“现在是什么时候?”直接在装置中,减少了响应时间,并提供更好的用户体验。

由谷歌最强大的NLP算法 - 了解BERT

通过谷歌学习BERT - most强大的NLP算法

最近更新2020七月

  • 37个讲座
  • 所有级别
4.2 (333)

理解并应用谷歌的游戏改变NLP算法到真实世界的任务。构建2个NLP应用程序。|马丁Jocqueviel,基里尔Eremenko,Hadelin德蓬特韦,SuperDataScience团队

探索课程

5.开源AI框架

编程世界是建立在采取裁员了日常的编码工作的库和框架。例如,像React和Angular这样的JavaScript库帮助开发人员快速建立网站和较少的错误,因为他们提供通用的组件。同样,开源的人工智能编程框架使得人工智能技术的发展得以迅速扩展。betwayapp下载安装通过向程序员、数据科学家和各级技术团队普及这些人工智能工具,人工智能研究不再是硅谷专业人士或博士候选人的专利。

由于图书馆和平台建立的AI功能,高度复杂人工智能算法现在,那些对这项技术感兴趣的人可以接触到模型、管道和培训程序。假设你想要建立一个基于计算机视觉的项目,一些开源的AI框架将允许你用很少的代码行来实现一个计算机视觉系统。

主要开源框架的AI应用:开发和训练复杂的人工智能算法;构建管道来定义、优化和评估AI模型;自动化强化学习模块的训练;用几行代码构建神经网络。

开源AI框架案例研究:TensorFlow是一个由谷歌开发的AI框架,可以跨人工智能的任何分支使用。使用TensorFlow,您可以构建用于图像分类的卷积神经网络。一些TensorFlow模块还将帮助简化NLP系统的创建。这是最流行的AI框架之一,特别是自从TensorFlow 2.0的开发以来,它允许用户创建更高级的AI系统。betwayapp下载安装

在TensorFlow 2.0的一个完全指南使用Keras API

关于使用Keras API的TensorFlow 2.0的完整指南

最后更新2020年8月

  • 133课
  • 初学者水平
4.3 (1382)

打造深的学习和人工智能的丰富的应用程序在TensorFlow 2.0 |由Hadelin de Ponteves, Kirill Eremenko, SuperDataScience团队,Luka Anicin撰写

探索课程

还有更多的开源框架和帮助的人工智能应用的进步库。我们更深入地研究框架以及在全网络研讨会,这些AI趋势现实生活中的业务用例,所以一定要观看这里的网络研讨会。

推荐网络研讨会

网络研讨会

人工智能趋势造就2020年的未来十年

顶级Udemy教官基里尔Eremenko和Hadelin德蓬特韦共享将塑造2020年的关键人工智能(AI)的发展趋势...

看网络研讨会

页面最后更新:2020年2月