AI建模架构总结

恩达老师的笔记会一直持续更新，那么AI学习到最后，无非是要学会把理论知识付诸于实践，也就是所谓的建立模型并应用到商业或者公益实践中。

那么AI建模的步骤是怎样的呢？

我这里从前辈那里学习并总结了AI建模七部曲，今天分享给大家！

首先总结下，AI建模七部曲：

1. 准备数据
2. 数据预处理
3. 划分数据集
4. 配置模型
5. 训练模型
6. 评估优化
7. 模型应用

这个步骤是非常细分的了，如果等你轻车熟路了，应该可以再缩减，不过这里我就针对这七部分别来说明下，如果可以请认真听咯！

准备数据

这一步相对来说是最基础，也是最“艰难”的了。

为什么这么说呢？

首先，想建立一个模型，你要有数据集，那么在现在AI火爆的时代下，为了能更好的推广和壮大AI，很多公司（谷歌等）开源了很多非常优秀的数据集，大家可以在学习训练时，优先使用这些整理好的，因为这个更容易入门，更容易看到效果，

其次，如果真正是到了要自己制作的时候，那么这个工作量取决于你的模型的大小。当然，无论你的模型大小，你都要去“打标签”，意思也就是你要对数据进行标记，这样才能更好的告诉神经网络，应该如何分辨和学习！

然后就是打标签的方法了，这是一项非常细致和严谨的工作，应该有人听说过标注工程师这个职业，对，那个就是这个的衍生职业，是不是突然感觉到了这个任务的“重”。

不过我们一般使用的不会特别大的数据集，也是可以自己制作和处理的，一个大佬开源了一款标注工具: LabelIm