文章目录
- 1 案例背景
- 1.1 失败案例
- 1.2 问题难点
- 2 一般流程
- 2.1 需求阶段
- 2.2 打光阶段
- 2.3 数据阶段
- 2.4 算法设计阶段
- 2.5 训练评估阶段
- 2.6 部署阶段
- 2.7 运维阶段
- 3 AI大模型的相关知识
- 3.1 AI大模型的技术原理
- 3.2 国内外主要AI大模型的高级应用
- 3.3 AI大模型的提示词编写技巧
- 3.4 AI辅助科研工作与项目管理
- 3.5 AI辅助编程开发与数据分析
- 3.6 基于AI大模型的智能应用研发与部署微调
- 3.7 数据经济下大数据与大模型技术应用
- 3.8 大模型产业应用漫步与畅想
- 3.9 大模型在行业中的应用
- 3.10 通用AI使用小技巧
- 4 参考附录
1 案例背景
什么才是好的AI?答:能落地的AI才是好AI。
AI项目从无到有,再到最终落地,无非不是挖坑、踩坑、填坑的过程。
1.1 失败案例
案例1:经过N次版本修改与优化,最终定稿。
支持切换型号、云端训练、人工调参等。
搞到最后,才发现别人要求准确率100%。
案例2:样机各种灯光闪来闪去,各种运动机构群魔乱舞。
什么犄角旮旯都覆盖到,什么划痕、残缺、脏污都面面俱到。
但是,一个产品的检测竟然要30s。
到过一次现场才发现,人工目检只需要2s。
案例3:光学、算法、界面都ok了。
在热火朝天、干劲十足的准备推广成千上百套变现的时候,客户说只要一套。
案例4:同上,最终客户说再考虑一下,当然是杳无音信。
算是被耍呢?还是算是白嫖呢?
案例5:当我们正为识别准确率是99%的时候,客户把一个识别成功的和一个识别失败拿到一起,问:这两个明明一模一样,为