安徽ai演算法定製

① 想找一家AI公司上班，格靈深瞳怎麼樣啊

可以啊，格靈深瞳是個大平台，工作穩定，各方面機制大大完善，福利待遇也不錯，在AI演算法層面，格靈深瞳在AI公司的核心演算法多次在國內外人工智慧演算法競賽中奪冠，達到行業領先水平，在行業內都是很知名的一家AI公司。

② CCCF專欄 | 智能計算系統——一門人工智慧專業的系統課程

我國人工智慧底層研究能力缺失的現象嚴重，最根本的原因在於這方面人才教育培養的缺失。2018年中，作者陳雲霽在中國科學院大學開設了一門「智能計算系統」課程。這門課程受到了學生的歡迎，有很多選不上課的學生跟著旁聽了整個學期。

關鍵詞：智能計算系統 人工智慧 專業課程

編者按 ：5年前，本文作者陳雲霽受邀在CCCF專欄上發表了一篇題為《體系結構研究者的人工智慧之夢》 1 的文章，第一次公開介紹他從通用處理器轉向深度學習處理器方向的心路歷程（那篇文章後來也被收錄進了《CCCF優秀文章精選》）。經過5年的努力，陳雲霽在深度學習處理器方向作出了國際公認的貢獻：他的學術論文被頂級會議ISCA』18超過四分之一的論文引用，他的技術成果被應用到華為、曙光、阿里等近億台智能手機和伺服器中。他因此被Science雜志評價為智能晶元的「先驅」和「領導者」。現在，當深度學習處理器已經成為學術界和工業界的熱點時，陳雲霽再次轉身，邁向人工智慧系統課程教學的新舞台。這篇文章將和大家分享他走向這個新舞台的心路歷程。

智能計算系統課程的開設

我是一名中國科學院計算技術研究所的青年科研人員，主要從事計算機系統結構和人工智慧交叉方向的基礎研究。看到本文的標題和作者單位，大家可能會覺得有一點奇怪：作者和人工智慧專業課程有什麼關系？因為傳統意義上，上課是高校教師的職責，中國科學院的員工除非是自願擔任了中國科學院大學（國科大）的崗位教授，否則並沒有上課的義務。

驅使我主動思考人工智慧專業課程設計的最主要的原因，是這樣一個眾所周知的現象：越是人工智慧上層（演算法層、應用層，見圖1）的研究，我國研究者對世界作出的貢獻越多；越是底層（系統層、晶元層），我國研究者的貢獻越少。在各種ImageNet比賽中，我國很多機構的演算法模型已經呈現「霸榜」的趨勢，可以說代表了世界前沿水平。但這些演算法模型絕大部分都是在CUDA 2 編程語言、Tensorflow編程框架以及GPU之上開發的。在這些底層「硬 科技 」中，我國研究者對世界的貢獻就相對少了很多。底層研究能力的缺失不僅會給我國人工智慧基礎研究拖後腿，更重要的是，將使得我國智能產業成為一個空中樓閣，走上信息產業受核心晶元和操作系統制約的老路。

圖1 人工智慧研究大致層次

我國人工智慧底層研究能力缺失的原因很多，我認為最根本的原因在於這方面的人才教育培養的缺失。沒有肥沃的土壤，就長不出參天大樹。沒有具備系統思維的人工智慧專業學生，我國就難以出現傑夫·迪恩(Jeff Dean)這樣的智能計算系統大師，也不會產生有國際競爭力的智能系統產品。因此，在人工智慧專業學生的培養上，我們應當主動作為去改變局面。

2018年我國有35個高校設立了人工智慧本科專業，這是重新思考和梳理人工智慧培養體系的一次重大機遇。就我目前的了解，大部分高校在考慮人工智慧課程體系時，採用的是純演算法、純應用的教學思路。這樣培養出來的學生，仍然是偏向上層應用開發，對智能計算系統缺乏融會貫通的理解。

事實上，各個高校不乏有識之士，在課程設計上繞開系統課程往往受制於三大客觀困難：一是國內還沒有太多人工智慧系統類的課程可供參考，二是國內缺乏人工智慧系統類課程的師資，三是國際上缺乏人工智慧系統課程的教材。

基於自己的研究背景，我對人工智慧的演算法和系統都有一些粗淺的涉獵。我是否能為解決人工智慧系統課程、師資、教材上的困難作一點微薄的貢獻？是否可以身體力行地培養一些具備系統思維和能力的人工智慧專業學生呢？

因此，2018年中，我向中國科學院大學申請開設一門人工智慧專業的系統課程，名為「智能計算系統」（曾名「智能計算機」），希望能培養學生對智能計算完整軟硬體技術棧（包括基礎智能演算法、智能計算編程框架、智能計算編程語言、智能晶元體系結構等）融會貫通的理解。這門課程受到了學生的歡迎，有很多選不上課的學生跟著旁聽了整個學期。讓我尤其感動的是，有其他研究所的學生慕名自發地從中關村跑到懷柔來聽課，上一次課來回車程就要三個小時，回到中關村都是深夜。這也許能說明這門課對學生來說有一定吸引力，大家在聽課中有真正的收獲。

人工智慧專業學生培養和課程體系

人工智慧專業的課程體系設計應該服務於學生培養目標。那麼高校人工智慧專業應該培養什麼樣的學生？

這個問題可能還沒有統一的答案。對比和人工智慧專業非常接近的計算機專業，高校的計算機專業培養的顯然不是計算機的使用者，而是計算機整機或者子系統的研究者、設計者和製造者。

我國計算機專業的前輩在六十多年前開始設立計算機專業時，就高瞻遠矚地設計了一個軟硬結合的方案來培養計算機整機或者子系統的研究者、設計者和製造者。這套方案經過六十年的演進，依然基本保持了當年的初衷。今天，各個高校的計算機專業，基本都開設了計算機組成原理、操作系統、編譯原理、計算機體系結構等系統類的必修課程（見圖2）。也就是說，雖然計算機專業的學生畢業後大多從事軟體開發工作，但是他們對計算機硬體系統還是有基礎的了解的。

圖2 網易雲課堂上的計算機專業培養方案 3

人工智慧專業學生的培養目標應當是人工智慧系統或者子系統的研究者、設計者和製造者。只有實現這個目標，高校培養的人才才能源源不斷地全面支撐我國人工智慧的產業和研究。為了實現這個目標，人工智慧專業的課程設計應當包括軟硬兩條線（就像計算機專業）。如果人工智慧專業只開設機器學習演算法、視聽覺應用等課程，那充其量只能算是「人工智慧應用專業」或者「人工智慧演算法專業」。畢竟演算法只是冰山露出水面的一角，冰山底下90%還是硬體和系統。

就拿擁有世界上最大的AI演算法研究團隊的公司谷歌來說，谷歌董事長約翰·軒尼詩(John Hennessy)是計算機體系結構科學家，圖靈獎得主；谷歌AI的總負責人傑夫·迪恩(Jeff Dean)是計算機系統研究者；谷歌AI最令人矚目的三個進展(Tensorflow, AlphaGo, TPU)都是系統，而不僅僅是某個特定演算法，演算法只是系統的一個環節。因此，從人工智慧國際學術主流來看，系統的重要性是不亞於演算法的。

只學過演算法的學生或許對於調模型參數很在行，但是對一個演算法的耗時、耗電毫無感覺。這樣的學生不具備把一個演算法在工業系統上應用起來的基本功（因為一個演算法真正要用起來必須滿足延遲和能耗的限制）。

只有加入了系統線的課程，學生才能真正理解人工智慧是怎樣工作的，包括一個人工智慧演算法到底如何調用編程框架，編程框架又是怎麼和操作系統打交道，編程框架里的運算元又是怎樣一步步在晶元上運行起來。這樣的學生能親手構建出復雜的系統或者子系統，在科研上會有更大的潛力，在產業里也會有更強的競爭力。正如業界所雲：「會用Tensorflow每年賺30萬人民幣，會設計Tensorflow每年賺30萬美元。」

有很多老師和我說：「人工智慧專業確實應當有一些系統類的課程。但國內從來沒有開過這樣的課，也沒有合適的教材，我們學院也缺乏相應的老師來教這樣的課程。」這是很實際的三個客觀困難，但不應當影響我們對人工智慧專業的課程設計。

從學生角度講，人工智慧專業開設什麼課程，應該是看國家和企業需要學生會什麼，而不完全是看老師現在會什麼。六十年前，我國沒有幾個人見過計算機，更別說開課了。但為了兩彈一星等科學和工程計算任務，我國依然成立了中科院計算所，並在計算所辦計算機教師培訓班，在清華大學、中國科學技術大學等高校（此處恕不能一一列全）開設計算機專業，這才有了今天我國巨大的計算機產業。

從教師角度講，人工智慧的系統研究已經成為國際學術熱點，講授這類課程是一個教學相長的過程，能幫助教師走到國際學術前沿。今年美國計算機方向Top4高校（斯坦福大學、卡耐基梅隆大學、加州大學伯克利分校和麻省理工學院）以及其他多個國際單位的研究者聯合發布了一份名為「Machine Learning System（機器學習系統）」的白皮書。在這樣的新興熱門方向布局培育一批青年教師，無疑對提升所在高校乃至我國在人工智慧學術界的影響力有巨大幫助。

因此，不論是對於人工智慧專業的學生還是教師來說，把系統類課程開起來，都是有必要，也是有實際意義的。

什麼是智能計算系統

簡單來說，智能計算系統就是人工智慧的物質載體。現階段的智能計算系統通常是集成通用CPU和智能晶元（英偉達GPU或寒武紀MLU等）的異構系統，並向開發者提供智能計算編程框架和編程語言等。之所以要在通用CPU之外加上智能晶元，主要是因為通用CPU難以滿足人工智慧計算不斷增長的速度和能耗需求。例如，2012年穀歌大腦用了1.6萬個CPU核運行了數天來訓練怎麼識別貓臉，這對於工業應用來說是很難接受的。顯然，要想真正把人工智慧技術用起來，必須使用異構的智能計算系統。而為了降低異構智能計算系統的編程難度，就需要有面向智能計算的編程框架和編程語言。

事實上，智能計算系統已經以種種形態廣泛滲透到我們的生活中了。IBM的超級計算機Summit用機器學習方法做天氣預報，BAT的數據中心上運行著大量的廣告推薦任務，華為的手機上集成寒武紀深度學習處理器來處理圖像分析和語音識別，特斯拉的自動駕駛系統……都可以看成是智能計算系統。在智能時代，中國乃至全世界都需要大批的智能計算系統的開發者、設計者、應用者。

智能計算系統的發展並不是一蹴而就的事情。20世紀80年代面向符號主義智能處理的專用計算機（Prolog機和LISP機）可以被看成是第一代智能計算系統。但是當時人工智慧缺乏實際應用，演算法也不成熟，而且當時摩爾定律還處於飛速發展階段，專用計算機相對每18個月性能就能翻番的通用CPU並沒有太大優勢。因此，第一代智能計算系統逐漸退出了 歷史 舞台。

「智能計算系統」課程重點關注的是第二代智能計算系統，主要是面向深度學習等機器學習任務的計算機。相對於30年前的第一代智能計算系統，當今的第二代深度學習智能計算系統可謂是碰到了天時地利人和。當前圖像識別、語音識別、自然語言理解、 游戲 、廣告推薦等人工智慧應用已開始落地，深度學習演算法發展速度令人應接不暇。尤其重要的是，通用CPU性能發展已經趨停，要支撐不斷發展的深度學習演算法，必須要靠智能計算系統。因此，深度學習智能計算系統會在很長一個階段里都是學術界和產業界關注的焦點。「智能計算系統」課程將能幫助學生深刻理解深度學習智能計算系統。

第二代智能計算系統主要支持深度學習等機器學習任務。未來如果人類真的要在通用人工智慧道路上再往前走一步，那未來的第三代智能計算系統需要支持的演算法將遠遠超出機器學習的范疇，必須包括聯想、推理、涌現等高級認知智能演算法。我個人猜測，第三代智能計算系統可能會是孵化通用人工智慧的虛擬世界環境。「智能計算系統」課程或許能激發學生的好奇心，吸引學生投身於未來的第三代智能計算系統的研究中。

智能計算系統課程概況

「智能計算系統」這門課程主要是面向人工智慧、計算機和軟體工程專業的高年級本科生或研究生。課程目標是培養學生對智能計算完整軟硬體技術棧（包括基礎智能演算法、智能計算編程框架、智能計算編程語言、智能晶元體系結構等）融會貫通的理解，成為智能計算系統（子系統）的設計者和開發者。

課程的前序課程包括C/C++編程語言、計算機組成原理和演算法導論（或機器學習）。課程的課時相對比較靈活，可以是大學期上一個學期（40學時，課程提綱見表1），可以是小學期集中上一周（20學時），也可以嵌入到其他機器學習課程中作為一個補充。對於20學時的短期學習，課程希望學生能對智能計算系統「知其然」，主要是面向實際操作；對於40學時的長期學習，課程希望學生能對智能計算系統「知其所以然」，因此要把機理講透。

表1 智能計算系統課程提綱（40學時）

在課程講授上，應該秉承兩個原則。一是應用驅動。一門好的工程學科的課程應當是學以致用的，尤其是「智能計算系統」這樣的課程，如果上完之後只學會了一些定理和公式，那基本沒效果。另外一個原則是全棧貫通。過去計算機專業課程設計有個問題，就是條塊分割明顯，比如操作系統和計算機體系結構是割裂的，操作系統對計算機體系結構提出了什麼要求，計算機體系結構對操作系統有哪些支持，沒有一門課把這些串起來。「智能計算系統」作為高年級本科生（或研究生）課程，有義務幫助學生把過去所有的人工智慧軟硬體知識都串起來，形成整體理解。

對於「智能計算系統」課程，驅動範例是一個抓手。在國科大上課時，我們選擇了視頻風格遷移作為驅動範例。簡單來說，風格遷移可以保留一個視頻中每幀圖片的基本內容，但是把圖片的繪畫風格改掉（比如從普通照片遷移成畢加索風格或者中國水墨畫風格等，見圖3）。對於學生來說，這是很有意思又在能力范圍之內的一個驅動範例。

圖3 從普通照片到畢加索風格遷移的驅動範例

我們圍繞如何實現視頻實時風格遷移，一步步帶著學生寫出演算法，移植到編程框架上，為編程框架編寫運算元，再為運算元設計晶元，構建多晶元系統，並測評這個系統的速度、能效和精度上的優勢和劣勢，然後進行系統的閉環迭代優化。最後再給大家一個智能計算系統的實驗環境，包括攝像頭和智能晶元開發板，學生就可以實現一個對攝像頭拍攝的視頻進行畫風實時轉換的「半產品」應用了。

結語

我的母親是一位中學教師。我自己成長過程中，對我幫助非常大的幾位前輩恩師陳國良、胡偉武和徐志偉，也都是常年浸淫在教學第一線，有著極大教學熱情的名師。從小到大，這些長輩的言傳身教，讓我深刻地感受到，教育是一項偉大的事業，能深刻地改變學生、改變行業、改變 社會 、改變國家、改變人類。今天我們教給學生的那些人工智慧知識，可能會影響明天我國在智能時代的競爭力。因此，雖然手頭有不少基礎研究任務，但我還是情願把培養人工智慧的系統人才當成自己未來最重要的使命，把自己絕大部分時間精力花在「智能計算系統」這門課程在各個高校的講授和推廣上。

非常欣慰的是，「智能計算系統」這樣新生的一門課程，雖然還有很多缺陷，但還是得到了很多師生的支持和鼓勵。我們已在或將在中國科學院大學、北京大學、北京航空航天大學、天津大學、中國科學技術大學、南開大學、北京理工大學、華中 科技 大學等多個高校聯合開設這門課程。今年我們還會開放這門課程的所有PPT、講義、教材、錄像、代碼、雲平台和開發板，供老師們批評指正。非常歡迎大家給我發郵件，提出寶貴意見。

未來，我們希望和更多培養人工智慧專業學生的高校合作，廣泛參與人工智慧系統課程的交流研討，共同提高人工智慧系統課程的教學水平。相信通過大家的共同努力，一定能解決人工智慧系統課程開設中的實際困難，使得我國未來培養出來的人工智慧人才沒有技術上的短板。

作為一名青年教師，我在教學能力和經驗上與很多教育領域的前輩有著巨大的差距，還需要更多地學習。這門「智能計算系統」課程，對於我國的人工智慧系統能力培養來說，也頂多是起到拋磚引玉的作用。正如魯迅先生在《熱風·隨感錄四十一》中寫給青年的一段話所言：「有一分熱，發一分光，就令螢火一般，也可以在黑暗裡發一點光……倘若有了炬火，出了太陽，我們自然……隨喜贊美這炬火或太陽；因為他照了人類，連我都在內。」

腳註：

1 此文發表在《中國計算機學會通訊》(CCCF) 2014年第5期，https://dl.ccf.org.cn/institude/institudeDetail?id=3738875863074816&_ack=1。

2 CUDA：Compute Unified Device Architecture，計算統一設備架構。

3 參見https://study.163.com/curricula/cs.htm。

作者介紹：

陳雲霽

CCF傑出會員、CCF青年科學家獎獲得者、CCCF編委。中科院計算所研究員。曾獲首屆國家自然科學基金「優秀青年基金」、首屆國家萬人計劃「青年拔尖人才」以及中科院青年人才獎等獎項。主要研究方向為計算機體系結構。[email protected]

點擊 「閱讀原文」 ，加入CCF。

③ 各類場景應用中涉及的AI演算法匯總

整理了各類場景應用中AI演算法

一、圖像CV

內容安全，目標檢測，圖像識別，智能視覺生產，圖像搜索，圖像分割，物體檢測，圖像分類，圖像標簽，名人識別，概念識別，場景識別，物體識別，場景分析，智能相冊，內容推薦，圖庫管理，網紅人物識別，明星人物識別，圖像搜索，商品圖片搜索，版權圖片搜索，通用圖片搜索，車牌識別，垃圾分類，車輛檢測，菜品識別，車型識別，犬類識別，實例分割，風格遷移，智能填充，智能識圖，拍照搜商品，精準廣告投放，電商導購，圖像分析，圖像理解，圖像處理，圖像質量評估，場景識別，物體識別，場所識別，圖像自訓練平台，圖像分類，目標檢測，圖像分割，關鍵點檢測，圖像生成，場景文字識別，度量學習，圖像識別，圖像比對，圖像分類使用手冊，圖像分類API文檔目標檢測使用手冊，目標檢測API文檔Logo檢測使用手冊，Logo檢測API文檔，通用圖片搜索，車牌識別，垃圾分類，車輛檢測，車型識別，犬類識別，實例分割，風格遷移，智能填充，車牌識別，相冊聚類，場景與物體識別，無限天空，圖像識別引擎，黃色圖片識別，暴力圖像識別，工業輪胎智能檢測，肋骨骨折識別，顯微識別，圖像處理，廣告識別，人臉演算法，人體演算法，圖像識別，圖像增強，OCR，圖像處理，ZoomAI，智能貼圖，智能製作，質量評價，圖像識別，智能鑒黃，圖像識別，實時手寫識別，唇語識別，通用文字識別，手寫文字識別，圖像技術，圖像識別，圖像審核，圖像搜索，圖像增強，圖像特效，車輛分析，圖像生成，繪畫機器人獨家，動漫化身獨家，像素風獨家，超清人像獨家，圖像融合，換臉技術，神奇變臉，圖像風格化，證件照生成，線稿圖像識別，寶寶檢測，圖像分類，圉像深度估計，天空分割，食物分割，貓狗臉技術，食物識別獨家，圖像美學評分，車輛分析，車型識別，車型識別（含指導價），車型識別（含配置參數），車標識別，人臉識別（活體），車牌識別，表情識別，安全帽識別，計算機影像，計算機視覺，聚焦光學字元識別、人臉識別、質檢、感知、理解、交互，圖像視頻分析，Logo檢測，內容審核，智能批改，筆記評估，思維導圖評估，物體檢測，物體識別。

二、人臉、體態、眼瞳、聲音、指紋

人臉分割人臉識別，無，人體分析HAS，識別人的年齡，性別，穿著信息，客流統計分析，智能客服，熱點區域分析，人體檢測，人臉口罩識別，人臉對比，人臉搜索，人臉檢測與屬性分析，人臉活體檢測，人體關鍵點檢測，行人重識別，細粒度人像分割，人像分割，人臉解析，3D人體姿態估計，人臉融合，人臉識別，換臉甄別，人臉支付，人臉核身，人像變換，人臉試妝，人臉融合，人體分析，手勢識別，人臉驗證與檢索，人臉比對，人臉比對sensetime，人臉水印照比對，靜默活體檢測，靜默活體檢測sensetime，人臉檢測和屬性分析，人臉特徵分析tuputech，配合式活體檢測，人臉安防，計算機視覺，智能應用服務，人臉查詢人臉分析人臉統計名單庫管理人臉布控，人臉應用，人體應用，人體查詢，車輛查詢車輛分析車輛統計車輛布控車輛名單庫管理，車輛應用，人臉圖像識別人體圖像識別車輛圖像識別，圖像識別，圖像比對，人臉比對，人體檢測，人臉口罩識別，人臉對比，人臉搜索，人臉檢測與屬性分析，人臉活體檢測，人體關鍵點檢測，行人重識別，細粒度人像分割，人像分割，人臉解析，3D人體姿態估計，人臉融合，人臉識別，人臉檢測，人臉比對，人臉搜索，人臉關鍵點，稠密關鍵點，人臉屬性，情緒識別，顏值評分，視線估計，皮膚分析，3D人臉重建，面部特徵分析人體識別，人體檢測，人體關鍵點，人體摳像，人體屬性，手勢識別人像處理，美顏美型，人臉融合，濾鏡，聲紋識別支付，語音合成，語音合成，聲紋識別，語音喚醒，人臉識別引擎，攝像頭人臉識別，圖片人臉檢測，身份識別，人臉識別，人臉屬性，人體識別，聲紋識別，衣服檢索及聚類，語音分析，聲紋識別，說話人歸檔，人臉和人體識別，人臉檢測，手勢識別，人臉與人體識別，人臉識別雲服務，人臉識別私有化，人臉離線識別SDK，人臉實名認證，人像特效，人體分析，人臉技不，皮膚分析獨家，頭部分割，宏觀人臉分析，人臉關鍵點檢測，微觀人臉分析獨家，頭發分析獨家，五官分割，頭發分割人體技術，人體外輪廓點檢測獨家，精細化人像摳圖，人體框檢測，肢體關鍵點檢測，人像分割，服飾識別，手勢識別，皮膚分割，人臉，說話人識別，人臉檢測識別，人臉1：1比對，人臉檢測，AI人臉/人形車輛，大數據人像圖片防偽，QoS保障，CDN，表情識別，舉手動作識別，人臉檢測，網路切片，邊緣計算，人臉分析，人臉檢測，人臉搜索，人體分析，手勢識別，著裝檢測，人臉識別，行為檢測，人臉識別，人形檢測，行為分析，人臉檢測，人臉跟蹤，人臉比對，人臉查找，人臉屬性分析，活體檢測，聲音指紋，聲紋識別。

三、視頻

視頻分割、視頻處理、視頻理解、智能視覺、多媒體，視頻內容分析，人體動作監控，視頻分類，智能交通，人/動物軌跡分析，目標計數，目標跟蹤，視頻編輯-，精彩片段提取，新聞視頻拆分，視頻摘要，視頻封面，視頻拆條，視頻標簽-，視頻推薦，視頻搜索，視頻指紋-，數字版權管理，廣告識別，視頻快速審核，視頻版權，視頻查重，視頻換臉，車輛解析， 體育 視頻摘要，視頻內容分析，顏色識別，貨架商品檢測， 時尚 搭配，危險動作識別，無，無，視頻，視頻換臉，車輛解析， 體育 視頻摘要，視頻內容分析，顏色識別，貨架商品檢測， 時尚 搭配，危險動作識別，菜品識別，視頻識別引擎，結腸息肉檢測，胃鏡評估系統，視頻標簽，場景識別，客流分析，手勢識別，視頻技術，短視頻標簽，視覺看點識別，動態封面圖自動生成，智能剪輯，新聞拆條，智能插幀，視頻技術，多模態媒資檢索公測中，媒體內容分析，媒體內容審核，視頻生成，視頻動作識別，

四、ocr文字識別

手寫識別，票據識別，通用文檔，通用卡證，保險智能理賠，財稅報銷電子化，證照電子化審批，票據類文字識別，行業類文字識別，證件類文字識別，通用類文字識別，通用文字識別，駕駛證識別，身份證識別，增值稅發票識別，行駛證識別，營業執照識別，銀行卡識別，增值稅發票核驗，營業執照核驗，智能掃碼，行業文檔識別， 汽車 相關識別，票據單據識別，卡證文字識別，通用文字識別，手寫文字識別，印刷文字識別，銀行卡識別，名片識別，身份證識別intsig，營業執照識別intsig，增值稅發票識別intsig，拍照速算識別，公式識別，指尖文字識別，駕駛證識別JD，行駛證識別JD，車牌識別JD，身份證識別，增值稅發票識別，營業執照識別，火車票識別，計程車發票識別，印刷文字識別（多語種），印刷文字識別（多語種）intsig內容審核，色情內容過濾，政治人物檢查，暴恐敏感信息過濾，廣告過濾，OCR自定義模板使用手冊，OCR自定義模板API文檔，通用文字識別，駕駛證識別，身份證識別，增值稅發票識別，行駛證識別，營業執照識別，銀行卡識別，身份證識別，駕駛證識別，行駛證識別，銀行卡識別，通用文字識別，自定義模板文字識別，文字識別引擎，身份證識別，圖片文字識別，通用文字識別，身份證識別，名片識別，光學字元識別服務，通用文字識別，手寫體文字識別，表格識別，整題識別（含公式），購物小票識別，身份證識別，名片識別，自定義模板文字識別，文字識別，通用文字識別，銀行卡識別，身份證識別，字幕識別，網路圖片識別， 游戲 直播關鍵字識別，新聞標題識別，OCR文字識別，通用場景文字識別，卡證文字識別，財務票據文字識別，醫療票據文字識別， 汽車 場景文字識別，教育場景文字識別，其他場景文字識別，iOCR自定義模板文字識別，通用類OCR，通用文本識別(中英)通用文本識別(多語言)通用表格識別，證照類OCR，身份證社保卡戶口本護照名片銀行卡結婚證離婚證房產證不動產證，車輛相關OCR，行駛證駕駛證車輛合格證車輛登記證，公司商鋪類OCR，商戶小票稅務登記證開戶許可證營業執照組織機構代碼證，票據類OCR，增值稅發票增值稅卷票火車票飛機行程單計程車發票購車發票智能技術，票據機器人證照機器人文本配置機器人表格配置機器人框選配置機器人，文字識別，行駛證識別，駕駛證識別，表單識別器，通用文本，財務票據識別，機構文檔識別，個人證件識別，車輛相關識別，通用表格，印章識別，財報識別，合同比對，識別文字識別，簽名比對，OCR識別，教育OCR，印刷識別，手寫識別，表格識別，公式識別，試卷拆錄

五、自然語言NPL

文本相似度，文本摘要，文本糾錯，中心詞提取，文本信息抽取，智能文本分類，命名實體，詞性標注，多語言分詞，NLP基礎服務，地址標准化，商品評價解析智能簡訊解析，機器閱讀理解，金融研報信息識別，法律案件抽取，行業問答推理，行業知識圖譜構建，文本實體關系抽取，搜索推薦，知識問答，短文本相似度，文本實體抽取， 情感 傾向分析，興趣畫像匹配，文本分類-多標簽，文本分類-單標簽，定製自然語言處理，語言生成，語言理解，自然語言處理基礎，文本摘要，數據轉文字，文本生成，智能問答系統，內容推薦，評價分析，文本分類，對話理解，意圖理解， 情感 分析，觀點抽取，中文分詞，短文本相似度，關鍵詞提取，詞向量，命名實體，識別依存，句法分析， 情感 分析，評論觀點抽取，短文本相似度，機器翻譯，詞法分析，詞義相似度，詞向量，句法分析，文本分類，短語挖掘，閑聊，文本流暢度，同義詞，聚類，語言模型填空，新聞熱詞生成，機器閱讀理解，商品信息抽取，詞法分析， 情感 分析，關鍵詞提取，用戶評論分析，資訊熱點挖掘，AIUI人機交互，文本糾錯，詞法分析，依存句法分析，語義角色標注，語義依存分析（依存樹），語義依存分析（依存圖）， 情感 分析，關鍵詞提取，NLP能力生產平台，NLP基礎技術，中文詞法分析-LAC，詞向量—Word2vec，語言模型—Language_model，NLP核心技術， 情感 分析、文本匹配、自然語言推理、詞法分析、閱讀理解、智能問答，信息檢索、新聞推薦、智能客服， 情感 分析、文本匹配、自然語言推理、詞法分析、閱讀理解、智能問答，機器問答、自然語言推斷、 情感 分析和文檔排序，NLP系統應用，問答系統對話系統智能客服，用戶消費習慣理解熱點話題分析輿情監控，自然語言處理，文本分類使用手冊，文本分類API文檔， 情感 分析，評論觀點抽取，短文本相似度，機器翻譯，詞法分析，詞義相似度，詞向量，句法分析，文本分類，短語挖掘，閑聊，文本流暢度，同義詞，聚類，語言模型填空，新聞熱詞生成，機器閱讀理解，商品信息抽取智能創作，智能寫作，搭配短文，種草標題，賣點標題，社交電商營銷文案，自然語言處理能力，基礎文本分析，分詞、詞性分析技術，詞向量表示，依存句法分析，DNN語言模型，語義解析技術，意圖成分識別， 情感 分析，對話情緒識別，文本相似度檢測，文本解析和抽取技術，智能信息抽取，閱讀理解，智能標簽，NLG，自動摘要，自動寫文章，語言處理基礎技術，文本審核， 情感 分析，機器翻譯，智能聊天，自然語言，基於標題的視頻標簽，台詞看點識別，意圖識別，詞法分析，相關詞，輿情分析，流量預測，標簽技術，自然語言處理，語義對話，自然語言處理，車型信息提取，關鍵詞提取，語義理解，語義相似度，意圖解析，中文詞向量，表示依存，句法分析，上下文理解，詞法分析，意圖分析，情緒計算，視覺 情感 ，語音 情感 ， 情感 分析，沉浸式閱讀器，語言理解，文本分析，自然語言處理，在線語音識別，自然語言理解火速上線中， 情感 判別，語義角色標注，依存句法分析，詞性標注，實體識別，中文分詞，分詞，

6、知識圖譜

知識圖譜，葯學知識圖譜，智能分診，騰訊知識圖譜，無，葯學知識圖譜，智能分診，知識理解，知識圖譜Schema，圖資料庫BGraph，知識圖譜，語言與知識，語言處理基礎技術，語言處理應用技術，知識理解，文本審核，智能對話定製平台，智能文檔分析平台，智能創作平台，知識圖譜，實體鏈接，意圖圖譜，識別實體，邏輯推理，知識挖掘，知識卡片

7、對話問答機器人

智能問答機器人，智能語音助手，智能對話質檢，智能話務機器人，無，電話機器人，NeuHub助力京東智能客服升級，騰訊雲小微，智能硬體AI語音助手，對話機器人，無，問答系統對話系統智能客服，Replika對話技術，客服機器人，智能問答，智能場景，個性化回復，多輪交互，情緒識別，智能客服，金融虛擬客服，電話質檢，AI語音交互機器人，中移雲客服·智能AI外呼，人機對話精準語義分析

8、翻譯

協同翻譯工具平台，電商內容多語言工具，文檔翻譯，專業版翻譯引擎，通用版翻譯引擎，無，機器翻譯，無，機器翻譯，音視頻字幕平台，機器翻譯，機器翻譯niutrans，文本翻譯，語音翻譯，拍照翻譯，機器翻譯，機器翻譯，文本翻譯，語音翻譯，通用翻譯，自然語言翻譯服務，文本翻譯，圖片翻譯，語音翻譯，實時語音翻譯，文檔翻譯(開發版，機器翻譯，文本翻譯，語音翻譯，拍照翻譯，機器翻譯實時長語音轉寫，錄音文件長語音轉寫，翻譯工具，機器翻譯火速上線中

9、聲音

便攜智能語音一體機，語音合成聲音定製，語音合成，一句話識別，實時語音識別錄音文件識別，客服電話，語音錄入，語音指令，語音對話，語音識別，科學研究，安防監控，聲音分類，語音合成，語音識別，實時語音轉寫，定製語音合成，定製語音識別，語音合成，語音合成聲音定製，離線語音合成，短語音識別，錄音文件識別，聲紋識別，離線語音識別，實時語音識別，呼叫中心短語音識別，呼叫中心錄音文件識別，呼叫中心實時語音識別，語音識別，語音合成，聲紋識別，語音識別，語音聽寫，語音轉寫，實時語音轉寫，語音喚醒，離線命令詞識別，離線語音聽寫，語音合成，在線語音合成，離線語音合成，語音分析，語音評測，性別年齡識別，聲紋識別，歌曲識別，A.I.客服平台能力中間件，語音識別，語音交互技術，語音合成，語音合成聲音定製，離線語音合成，短語音識別，錄音文件識別，聲紋識別，離線語音識別，實時語音識別，呼叫中心短語音識別，呼叫中心錄音文件識別，呼叫中心實時語音識別，遠場語音識別，語音識別，一句話識別，實時語音識別，錄音文件識別，語音合成，實時語音識別，長語音識別，語音識別，語音合成，波束形成，聲源定位，去混響，降噪，回聲消除，分布式拾音，語音識別，語音喚醒，語音合成，聲紋識別，智能語音服務，語音合成，短語音識別，實時語音識別，語音理解與交互，離線喚醒詞識別，語音識別，一句話識別，實時語音識別，錄音文件識別，電話語音識別，語音喚醒，離線語音識別，離線命令詞識別，遠場語音識別，語音合成，通用語音合成，個性化語音合成，語音技術，短語音識別，實時語音識別，音頻文件轉寫，在線語音合成，離線語音合成，語音自訓練平台，語音交互，語音合成，語音識別，一句話識別，實時短語音識別，語音合成，語音喚醒，本地語音合成，語音翻譯，語音轉文本，短語音聽寫，長語音轉寫，實時語音轉寫，語音內容審核，會議超極本，語音交互技術，語音識別，語義理解，語音合成，音頻轉寫，音視頻類產品，語音通知/驗證碼，訂單小號，撥打驗證，點擊撥號，數據語音，統一認證，語音會議，企業視頻彩鈴，語音識別，語音文件轉錄，實時語音識別，一句話語音識別，語音合成，通用語音合成，個性化語音合成，語音評測，通用語音評測，中英文造句評測，在線語音識別，語音識別，語音喚醒，語音合成，語音合成，語音識別，語音聽寫，語音轉寫，短語音轉寫(同步)，語音識別，語音 情感 識別

十、數據挖掘AI硬體

演算法類型：包括二分類、多分類和回歸，精準營銷，表格數據預測，銷量預測，交通流量預測，時序預測，大數據，無，機器學習使用手冊，機器學習API文檔，大數據處理，大數據傳輸，數據工廠，大數據分析，數據倉庫，數據採集與標注，數據採集服務，數據標注服務，AI開發平台，全功能AI開發平台BML，零門檻AI開發平台EasyDL，AI硬體與平台，GPU雲伺服器，機器人平台，度目視頻分析盒子，度目AI鏡頭模組，度目人臉應用套件，度目人臉抓拍機，人臉識別攝像機，昆侖AI加速卡，智能預測，購車指數，數據科學虛擬機，平台效率，雲與AI，抗DDoS，天盾，網站漏洞掃描，網頁防篡改，入侵檢測防護，彈性雲伺服器，對象存儲服務，雲專線（CDA，AI計算機平台—360net深度學習基礎模型，AI演算法訓練適配主流AI框架

十一、其他

內容審核，智能鑒黃，特定人物識別，通用圖片審核，文本智能審核，廣告檢測，Logo檢測，商品理解，拍照購，商品圖片搜索，通用商品識別，疫情物資識別，酒標識別，細分市場劃分，品牌競爭力分析，老品升級，新品定製，商品競爭力分析，商品銷量預測，商品營銷，用戶評論佔比預測，商品命名實體識別，商品顏色識別，強化學習，智能地圖引擎，內容審核，智能鑒黃，特定人物識別，通用圖片審核，文本智能審核，廣告檢測，Logo檢測商品理解，拍照購，商品圖片搜索，通用商品識別，疫情物資識別，酒標識別，細分市場劃分，品牌競爭力分析，老品升級，新品定製，商品競爭力分析，商品銷量預測，商品營銷，用戶評論佔比預測，商品命名實體識別，商品顏色識別，個性化與推薦系統，推薦系統，輿情分析，輿情標簽，智慧教育，智能語音評測，拍照搜題，題目識別切分，整頁拍搜批改，作文批改，學業大數據平台，文檔校審系統，會議同傳系統，文檔翻譯系統，視頻翻譯系統，教育學習，口語評測，朗讀聽書，增強現實，3D肢體關鍵點SDK，美顏濾鏡SDK，短視頻SDK，基礎服務，私有雲部署，多模態交互，多模態 情感 分析，多模態意圖解析，多模態融合，多模態語義，內容審查器，Microsoft基因組學，醫學人工智慧開放平台，數據查驗介面，身份驗證（公安簡項），銀行卡驗證，發票查驗，設備接入服務Web/H5直播消息設備託管異常巡檢電話提醒，音視頻，視頻監控服務雲廣播服務雲存儲雲錄制，司乘體驗，智能地圖引擎，消息類產品，視頻簡訊，簡訊通知/驗證碼，企業掛機彩信，來去電身份提示，企業固話彩印，模板閃信，異網簡訊，內容生產，試卷拆錄解決方案，教學管理，教學質量評估解決方案，教學異常行為監測，授課質量分析解決方案，路況識別，人車檢測，視覺SLAM，高精地圖，免費SDK，智能診後隨訪管理，用葯管家，智能預問診，智能導診，智能自診，智能問葯，智能問答，裁判文書近義詞計算，法條推薦，案由預測，

④ AI教育靠譜嗎現在發展怎麼樣

⑤ 利用AI的時候應該注意什麼

我們所說的AI，其實就是一種演算法，而在社會發展的今天，統一可以概括為人工智慧。所以在社會發展的今天，隨著AI演算法的演進，人工智慧越來越人性越來越高智商，所以也慢慢地改變著人們的生活，但是隨著人工智慧大數據分析AI演算，所以也導致一些負面的東西，類似於一些平台利用大數據分析構建模型，實現精準定位，從而導致一些用戶的核心利益受到損失，在社會發展的今天，一些黑客利用已有的演算法來實施犯罪，也會影響社會治安，所以對於我們來說，可以從以下幾個方面出發來思考問題。

3，利用AI的時候，更應該學會尊重人權，尊重生命。

其實在社會發展的今天，人工智慧對人們的生活影響越來越大，所以在大數據時代，更應該讓AI明白尊重人權尊重生命的可貴。AI絕不是冷冰冰演算法，更應該是給人們傳遞幸福的工具，所以在社會發展的今天，AI更應該具備基本的原則。

其實對於我們來說，隨著科技的進步，AI演算法對人們的生活影響越來越大，也正是以為如此，人們更應該明白在使用AI的時候，更應該堅持以人為本的觀念。在社會發展的今天，更應該明白，科技是造福人類的幫手，而絕非是資本家斂財的工具。

⑥ 成為一名 AI 演算法工程師，你需要具備哪些能力

這是一篇關於如何成為一名 AI 演算法工程師的長文~經常有朋友私信問，如何學 python 呀，如何敲代碼呀，如何進入 AI 行業呀?這里總結了成為AI演算法工程師所需要掌握的一些要點，看看你距離成為一名 AI 工程師還有多遠吧~

一、程序編寫
如同大部分應用軟體程序流程的開發設計一樣，開發者也在應用多語種來撰寫人工智慧技術新項目，可是如今都還沒一切一種極致的計算機語言是能夠 徹底大聖配人工智慧技術新項目的。計算機語言的挑選通常在於對人工智慧技術程序流程的期待作用。
因為其英語的語法，簡易性和多功能化，Python變成開發者最愛的人工智慧技術開發設計計算機語言。Python最觸動內心的地區之一就是說攜帶型，它能夠 在Linux、Windows、MacOS和UNIX等服務平台上應用。容許客戶建立互動式的、表述的、模塊化設計的、動態性的、可移植的和高級的編碼。
此外，Python是一種多現代性計算機語言，適用面向對象編程，全過程式和作用式程序編寫設計風格。因為其簡易的函數庫和理想化的構造，Python適用神經元網路和NLP解決方法的開發設計。
變成一個達標的AI數據工程師必須靈活運用python基本英語的語法、python句子和表述句、python中的涵數與控制模塊、python面向對象編程及其python文字實際操作。把握面向對象編程數據信息編程技術，都是為中後期的AI學習培訓奠定扎扎實實的程序編寫工作能力。
二、數學課
要學習培訓人工智慧技術，最基礎的高數、線代、摡率論務必把握，最少也得會高斯函數、矩陣求導，搞清楚梯度下降是什麼原因，不然針對實體模型的基本概念徹底不可以了解，實體模型調參加訓煉也就無從說起了。
高數
高數必須把握的有關內容包含涵數、數列、極限、最後、極值與最值、威廉姆斯指數值和系數。
線性代數
線性代數的內容包含行列式、引流矩陣、最小二乘法、矢量的線性相關性、引流矩陣的初等變換和秩、線性方程組的解和矩陣特徵值
概率統計
概率統計里的惡性事件、幾率、貝葉斯定理、概率分布、期待與方差與參數估計
了解數學思維訓練管理體系在深度神經網路中的運用，能夠 了解深度神經網路中常見的數學函數公式，可以用python程序編寫保持常見的數學課優化演算法。
三、深度神經網路
深度神經網路一部分包含MLP實體模型、CNN卷積神經網路、RNN循環系統神經元網路、GAN生成式抵抗神經元網路等。
MLP實體模型
必須具有了解雙層感知機的運作全過程和基本原理，並可以構建雙層感知機實體模型。
CNN卷積神經網路
把握怎麼使用CNN互聯網解決室內空間難題，如照片、視頻等數據信息。了解卷積、池化，及其反卷積、反池化的全過程和基本原理。而且可以構建有關的卷積互聯網實體模型。
RNN循環系統神經元網路
把握怎麼使用RNN解決時間序列難題，如智能化回復、智能翻譯等。了解循環系統神經元網路RNN和LSTM、GRU的運作全過程和基本原理。可以構建有關的循環系統神經網路模型訓煉與提升。
GAN生成式抵抗神經元網路
讓神經元網路具有造就工作能力，了解生成式抵抗神經元網路和其變異互聯網的基本原理，並可以構建變分自編號的互聯網實體模型訓煉和提升，可保持圖象轉化成、視頻語音轉化成等。
四、新項目實戰演練
開展一些新項目實戰演練針對你的工作經驗累積是十分有利的。
人工智慧技術圖象/視覺行業數據工程師應當具有的新項目實踐經驗：YOLOV3多物塊跟蹤/CenterLoss圖像識別技術/Mask-RCNN圖像分割。
可以解決多總體目標跟蹤，圖像識別技術、圖象隔開、圖象核對等應用領域新項目。而且根據新項目能學得許多 工程項目方法，具體新項目中訓煉實體模型的方式 和調參的工作經驗。掌握了這些，你的AI演算法工程師之路就能更近一步啦~