克服成功AI产品实施中的挑战
IT专业人员可以通过参加几门在线课程在短时间内获得AI专业知识。一旦课程成功完成，这些新一代的AI专家便会寻找机会用新收购的AI锤来解决问题。识别需要AI解决方案的问题是一个挑战。被视为AI问题的大多数问题都可以通过传统的统计方法轻松解决。但是，掌握了新的AI技术的IT小孩认为，这个世界上的所有问题都是AI问题，只有应用AI技术才能解决。
欺诈检测，客户细分，客户流失分析，风险分析，推荐系统，二进制决策等通常是使用AI解决的问题，并且基于各种机器学习算法的多种解决方案可公开用于这些问题。如果您很幸运地找到在这些领域中寻找解决方案的客户，则可以利用现有解决方案来介入并设计解决方案。在AI世界中，解决方案表现出相似性，并且可以将其概括为创建产品。在推出可以替代具有相似性的一组AI解决方案的产品方面存在挑战。这样做的主要原因是AI解决方案依赖于数据，并且当要开发通用产品时，必须在使用它们的所有领域的数据集上对系统进行培训。
数据是AI解决方案的动力，从多个来源访问大量培训数据集始终是一个挑战。除非AI系统使用多个数据集进行训练，否则AI产品将无法为问题提供有意义的解决方案。通常，好的AI解决方案的属性是：
-首先解决一个强大的业务问题，而传统的IT使用统计数据无法解决这个业务问题。
-当客户查看结果时，提供出色的客户满意度
-提供可被用户赞赏的可衡量的业务价值。
  例如：销售量的百分比增加。
-向最终用户解释AI系统产生的结果应该相当容易。
-AI系统生成的输出应无偏差。
-系统应该能够从新到达的数据中进行连续学习。随着新知识的获得，系统应给出与过去已经产生的结果一致的结果。
要开始AI项目，您需要将业务问题转换为机器学习问题，并收集大量具有许多可用于训练模型的属性的过去数据。有时，您可能无法掌握直接可用形式的培训数据。在这种情况下，您可能必须聘请提供数据标签服务的人员。人工智能解决方案的交付质量取决于数据标记的质量。您应该始终寻找具有良好领域专业知识的人员来进行数据标记。在一个域中进行数据标记的专家服务提供商可能会在标记其他域中的数据时惨遭失败。
最后，如果某人正在寻找AI解决方案并且没有任何过去的数据，那么您应该在训练机器学习模型时教育他关于过去的数据的需求。也许您可以将保存相关数据的过程制度化，并在有足够数据可用时启动AI项目。
如果您计划使用云部署的AI产品，那么您将能够订阅和使用由云服务提供商以API形式公开的预训练模型。例如，Google Cloud Platform（GCP），Amazon Web Services（AWS）和Microsoft Azure提供了几种API，用于解决常见问题，例如视觉，语音，预测，分类，推荐系统，智能用户界面，自然语言理解和语言之间的机器翻译。这些API中的大多数都接受了大量数据的培训，并且可以实时提供最高精度的结果。此外，对于常见问题，您可以选择使用云服务提供商提供的预构建木星笔记本。对于解决企业客户特定问题的AI解决方案，尚不提供预构建的API。向前走，一款AI产品将利用本土化模型以及云服务提供商提供的标准API。因此，作为AI产品开发人员，您需要学习并密切了解云服务提供商提供的现成API的功能。在不久的将来，您将能够通过将云服务提供商提供的一组API与您自己的模型结合在一起来开发AI产品和解决方案。了解这些API和预构建的Jupiter笔记本电脑将帮助您节省学习时间，并专注于开发针对您要解决的问题的AI系统。您需要学习并密切了解云服务提供商提供的现成API的功能。在不久的将来，您将能够通过将云服务提供商提供的一组API与您自己的模型结合在一起来开发AI产品和解决方案。了解这些API和预构建的Jupiter笔记本电脑将帮助您节省学习时间，并专注于开发针对您要解决的问题的AI系统。您需要学习并密切了解云服务提供商提供的现成API的功能。在不久的将来，您将能够通过将云服务提供商提供的一组API与您自己的模型结合在一起来开发AI产品和解决方案。了解这些API和预构建的Jupiter笔记本电脑将帮助您节省学习时间，并专注于开发针对您要解决的问题的AI系统。
随时学习云中可用的AI API。祝您成功可视化和开发获奖的AI产品。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！