InfoQ
2020-01-11 18:08:55 发布
#小Q分享# 《格灵深瞳 AI 大脑进化史：算法工业化生产如何将研发和交付速度提升 10 倍以上？》：
为了应对 AI 公司对于算法的快速生产与落地，需要兼顾数据源、数据仓库、标注、算法训练、评价体系、算法使用平台、人力物力算力成本等多方面的限制。也就是需要关注整个算法的生命周期，以及数据闭环。格灵深瞳设计了完整的数据→标注→算法→评测→发布上线的业务体系，具体由 3 大中台并行协作，分别是数据中台、算法中台和应用中台组合完成的。通过该方案，我们将原来的算法研发速度和交付速度提升到了原来的 10 倍以上。本文从产品角度、项目角度、研发与架构角度来阐述和描绘算法工业化生产时代到来的必要性和应对之策。本篇文章适合 AI 产品经理、算法研发、数据研发、标注团队、AI 相关项目经理、与 AI 有关的高级管理人员、算法工程化、算法框架研发、算法应用研发等人员阅读，希望可以带来启发。
余下全文：
网页链接
2020-01-11 18:08:55 发布
#小Q分享# 《格灵深瞳 AI 大脑进化史：算法工业化生产如何将研发和交付速度提升 10 倍以上？》：
为了应对 AI 公司对于算法的快速生产与落地，需要兼顾数据源、数据仓库、标注、算法训练、评价体系、算法使用平台、人力物力算力成本等多方面的限制。也就是需要关注整个算法的生命周期，以及数据闭环。格灵深瞳设计了完整的数据→标注→算法→评测→发布上线的业务体系，具体由 3 大中台并行协作，分别是数据中台、算法中台和应用中台组合完成的。通过该方案，我们将原来的算法研发速度和交付速度提升到了原来的 10 倍以上。本文从产品角度、项目角度、研发与架构角度来阐述和描绘算法工业化生产时代到来的必要性和应对之策。本篇文章适合 AI 产品经理、算法研发、数据研发、标注团队、AI 相关项目经理、与 AI 有关的高级管理人员、算法工程化、算法框架研发、算法应用研发等人员阅读，希望可以带来启发。
余下全文：
网页链接