正文

人工智能訓(xùn)練平臺（人工智能訓(xùn)練平臺圖像識別）

發(fā)布時間：2023-03-12 00:09:11 稿源：創(chuàng)意嶺閱讀： 134 問大家

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于人工智能訓(xùn)練平臺的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

2023新版文章智能生成器，能給你生成想要的原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

你只需要給出你的關(guān)鍵詞，它就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端，官網(wǎng)：https://ai.de1919.com

本文目錄:

1、人工智能數(shù)據(jù)標(biāo)注平臺介紹
2、小白入門 AI 產(chǎn)品經(jīng)理之路
3、華為aito是什么
4、AI類產(chǎn)品概述 — 平臺型AI產(chǎn)品技術(shù)初識

人工智能訓(xùn)練平臺（人工智能訓(xùn)練平臺圖像識別）

一、人工智能數(shù)據(jù)標(biāo)注平臺介紹

有一個非常形象的比喻——數(shù)據(jù)是21世紀(jì)的石油。

然而，大多數(shù)原始數(shù)據(jù)其實(shí)更像原油，并不能直接拿來就用。特別是在如火如荼的AI領(lǐng)域，更需要先進(jìn)行數(shù)據(jù)標(biāo)注，將原始數(shù)據(jù)變成算法可用數(shù)據(jù)。如果數(shù)據(jù)是原油，那么數(shù)據(jù)標(biāo)注就是把原油提煉為成品油的過程。

數(shù)據(jù)標(biāo)注得越精準(zhǔn)、對算法模型訓(xùn)練的效果就越好。大部分算法在擁有足夠多普通標(biāo)注數(shù)據(jù)的情況下，能夠?qū)?zhǔn)確率提升到 95%，但從 95% 再提升到 99% 甚至 99.9% ，就需要大量高質(zhì)量的標(biāo)注數(shù)據(jù)?？梢哉f，高質(zhì)量的數(shù)據(jù)是制約模型和算法突破瓶頸的關(guān)鍵指標(biāo)。

事實(shí)上，正是由于數(shù)據(jù)標(biāo)注的重要性，在AI產(chǎn)業(yè)的上游已經(jīng)形成了一條數(shù)據(jù)標(biāo)注產(chǎn)業(yè)鏈。京東金融也在去年8月推出了專注于人工智能數(shù)據(jù)標(biāo)注的科技平臺—— 京東眾智。

京東金融之所以上馬京東眾智項(xiàng)目，是因?yàn)殡S著公司AI研發(fā)的加速推進(jìn)，急劇增長的數(shù)據(jù)需求在市場上得不到有效滿足。

京東眾智負(fù)責(zé)人回憶說：“隨著業(yè)務(wù)量的增大，我們在AI開發(fā)中需要的數(shù)據(jù)標(biāo)注量越來越大。我們找過很多數(shù)據(jù)標(biāo)注公司，但是合作效果都不理想。這些問題嚴(yán)重拖累了很多項(xiàng)目的開發(fā)進(jìn)度。痛定思痛，我們決定開發(fā)自己的數(shù)據(jù)標(biāo)注平臺，立項(xiàng)的時間是去年5月，我們只用了三個月時間，就在去年8月上線了京東眾智平臺?！?/p>

京東眾智開發(fā)團(tuán)隊總結(jié)了各類數(shù)據(jù)標(biāo)注平臺的優(yōu)點(diǎn)，并針對效率、質(zhì)量、數(shù)據(jù)安全等痛點(diǎn)，對癥下藥——

2)場景豐富度:開發(fā)了覆蓋無人駕駛、智能服務(wù)機(jī)器人、醫(yī)療影像輔助診斷等八大業(yè)務(wù)場景的一系列專業(yè)工具和豐富模板。

3)審核機(jī)制: 與業(yè)內(nèi)常見的抽檢和一重審核不同，京東眾智設(shè)置了雙重審核機(jī)制，針對一些復(fù)雜度高的標(biāo)注任務(wù)，甚至?xí)M(jìn)行第三重審核，以確保最終標(biāo)注質(zhì)量。

傳統(tǒng)的數(shù)據(jù)標(biāo)注行業(yè)更像一個勞動密集型產(chǎn)業(yè)，主要是靠人工方式對文本、圖片、語音、視頻等數(shù)據(jù)進(jìn)行標(biāo)注。

京東金融推出Pre-AI快速落地方案，將人工標(biāo)注和智能標(biāo)注同步進(jìn)行——第一步由人工進(jìn)行少量標(biāo)注，生成標(biāo)注樣本。第二步對樣本進(jìn)行建模訓(xùn)練，然后用訓(xùn)練出來的模型進(jìn)行數(shù)據(jù)預(yù)標(biāo)注，由人工判斷標(biāo)注是否準(zhǔn)確，并反饋結(jié)果用于優(yōu)化算法，直到機(jī)器標(biāo)注的準(zhǔn)確率達(dá)到99%時，人工完全撤出。

Pre-AI方案明顯提高了數(shù)據(jù)標(biāo)注平臺效率，用一個星期的時間，就能完成傳統(tǒng)模式下一個月的標(biāo)注任務(wù)。

對于很多企事業(yè)單位來說，在將數(shù)據(jù)標(biāo)注外包時，都會擔(dān)心數(shù)據(jù)安全問題，尤其是對于政府部門、銀行等金融機(jī)構(gòu)來說，數(shù)據(jù)安全問題至關(guān)重要。

為了確保涉密數(shù)據(jù)、核心數(shù)據(jù)的安全，京東金融開發(fā)了數(shù)據(jù)與流程分離的DCS架構(gòu)。合作企業(yè)只要部署一套“眾智星”系統(tǒng)，就可以通過調(diào)用接口的方式鏈接到京東眾智平臺，從而確保數(shù)據(jù)在不外流的情況下，使用京東眾智現(xiàn)有的工具模板、人員體系、流程體系。

京東眾智上線一年來，一位來自銀行的客戶表示:“過去，我們做一條身份證地址標(biāo)注，成本是2毛到6毛錢，在京東眾智平臺上只需要5分錢，而且標(biāo)注周期縮短為原先的四分之一，質(zhì)量也明顯提高?！毕矏傊橐缬谘员?。

總結(jié)京東眾智一年來取得的成績，京東眾智負(fù)責(zé)人表示：“我們在做京東眾智時，選擇了一條與業(yè)內(nèi)流行的輕模式截然相反的重模式，別人不提供預(yù)打標(biāo)、人員培訓(xùn)、標(biāo)注工具、審核機(jī)制，我們都提供。第一年，我們的重點(diǎn)是做好產(chǎn)品、技術(shù)和人才體系；未來我們的重點(diǎn)是打造合作生態(tài)。希望在不久的將來，國內(nèi)大部分的AI公司都可以用我們平臺上標(biāo)注的高質(zhì)量數(shù)據(jù)，訓(xùn)練出更優(yōu)質(zhì)的模型和算法。”

二、小白入門 AI 產(chǎn)品經(jīng)理之路

概述：21屆畢業(yè)一直從事產(chǎn)品經(jīng)理相關(guān)職位，先后從事的行業(yè)有云端視頻編輯、跨境電商等行業(yè)，目前正在轉(zhuǎn)型做云計算行業(yè)，別的不說跨度真的還挺大，而且其實(shí)中間真的沒有什么很大的關(guān)系；但是興趣使然，最終還是得選擇一個自己最感興趣的行業(yè)去進(jìn)行深挖與提升自己，深入業(yè)務(wù)場景去進(jìn)行需求的了解，與用戶共情，是我目前的目標(biāo)與方向，接下來會零零碎碎分享一些，自己對AI產(chǎn)品進(jìn)階的一些知識或者干貨分享，歡迎各位大佬們批評指正，也歡迎跟我一樣處于初期的小姐妹們跟我一起共同成長，互相交流~共勉之

第一篇：初識

quyc 2022/4/27

AI 平臺知識概述

一、概念了解(what)

在說AI 平臺之前，首先可以對AI進(jìn)行了一個大致的解釋，AI 即人工智能，是研究并模擬、延伸和擴(kuò)展人腦復(fù)雜行為的一種技術(shù)科學(xué)，范圍包括機(jī)器學(xué)習(xí)、計算機(jī)視覺等等；那么 AI 平臺就是支持這種復(fù)雜科學(xué)研究的一種輔助工具，該工具可以進(jìn)行智能化、體系化、自動化完成這一系列研究；

1）AI 平臺主要面向的是模型開發(fā)者，圍繞 AI 模型/算法的生命周期（數(shù)據(jù)收集、數(shù)據(jù)標(biāo)注、模型構(gòu)建、模型訓(xùn)練、模型優(yōu)化、模型部署）提供的工具。

2）AI 平臺是面向應(yīng)用者的，圍繞集成好的AI 服務(wù)進(jìn)行部署應(yīng)用，主要是進(jìn)行應(yīng)用的管理等相關(guān)操作的平臺。

二、產(chǎn)品功能(How)

接下來將對 AI 平臺的兩種分類進(jìn)行逐一的功能闡述

2.1 AI 開發(fā)平臺

1）數(shù)據(jù)標(biāo)注平臺

面向進(jìn)行模型訓(xùn)練的前置工作，包括數(shù)據(jù)導(dǎo)入、數(shù)據(jù)預(yù)處理、數(shù)據(jù)標(biāo)注、數(shù)據(jù)增強(qiáng)等。這部分的數(shù)據(jù)工作與大數(shù)據(jù)的關(guān)聯(lián)性比較強(qiáng)，有些標(biāo)注平臺甚至是大數(shù)據(jù)系統(tǒng)的組件。

對于AI 標(biāo)注來說，更多是進(jìn)行數(shù)據(jù)智能/自動化進(jìn)行處理，故此有些廠商推出數(shù)據(jù)采樣、數(shù)據(jù)拆分、數(shù)據(jù)缺失值處理（數(shù)據(jù)預(yù)處理）、自動標(biāo)注（數(shù)據(jù)標(biāo)注）、對圖片類型數(shù)據(jù)去霧、增霧、對比度增強(qiáng)等智能算法（數(shù)據(jù)增強(qiáng)），正是這些功能支撐起了數(shù)據(jù)標(biāo)注平臺。

2）模型訓(xùn)練平臺

給模型訓(xùn)練的內(nèi)容配置算力、環(huán)境，這個是AI平臺中比較常見的產(chǎn)品，由于模型訓(xùn)練對硬件資源的高消耗，通常會租用云計算資源來完成模型訓(xùn)練，所以很多模型訓(xùn)練平臺是與云平臺捆綁的，完成包括負(fù)載均衡、并行訓(xùn)練等工作。

4）模型部署平臺

提供把模型從訓(xùn)練環(huán)境部署到推理環(huán)境（云端、邊緣端等）的工具。這個功能相對簡單，較少單獨(dú)作為一個產(chǎn)品，一般是也是作為開發(fā)平臺的一個功能模塊。

一個例外是邊緣/嵌入式環(huán)境部署平臺（如百度EasyEdge），由于硬件適配比較繁瑣，所以目前看到百度是做成一個相對獨(dú)立的產(chǎn)品的。

5）模型推理平臺

提供各式各樣的模型接口，供用戶直接調(diào)用，一般還提供包括模型調(diào)用管理、接口管理等功能，這種推理平臺主要是以模型作為核心競爭力的。另一種推理平臺則以算力作為競爭力，類似云平臺，用戶將模型部署在平臺上可獲得彈性擴(kuò)縮容等能力。

2.2 AI 應(yīng)用平臺

AI支撐平臺比起AI開發(fā)平臺，更類似業(yè)務(wù)平臺，比如內(nèi)容審核、智能對話等。圍繞的是一個核心算法，通過配置提升這個算法/能力的通用性。

通過下面一個例子進(jìn)行詳細(xì)解釋：

橫向是發(fā)布圖片的業(yè)務(wù)流程，縱向是審核平臺的功能，審核平臺的核心問題就是圖片分類，將符合審核政策規(guī)定的圖片通過、違法的進(jìn)行限制。

三、核心優(yōu)勢(Why)

AI 平臺帶來的優(yōu)勢可以從用戶、平臺角度進(jìn)行思考：

用戶：盡低層成本獲取 AI 能力，提高工作效率，滿足業(yè)務(wù)快速擴(kuò)充的需要；

AI 平臺：標(biāo)準(zhǔn)化的工作工具/流程，無需定制去解決，提高模型生產(chǎn)效率、降低工作成本，從而形成盈利；

但是就目前來說，平臺的需求是大于用戶的需求，這跟 AI 的發(fā)展歷史有關(guān)，目前還暫處于初期階段，AI 技術(shù)還不是很成熟，更多是對模型訓(xùn)練的一些需求，一種行業(yè)化解決方案標(biāo)準(zhǔn)化的過程；用戶 AI 還持有觀望態(tài)度（對提高ROI不確定等），所以引申出目前需要不斷的加強(qiáng)對AI 能力的訓(xùn)練，更好的契合市場用戶的需求是目前的必經(jīng)之路，同時也需要不斷的引導(dǎo)用戶發(fā)現(xiàn)AI 能力的價值，進(jìn)而提高AI 平臺的價值。

四、市場狀況(where)

一些AI開發(fā)平臺產(chǎn)品的AI模型生命周期覆蓋情況，可以看到大部分產(chǎn)品其實(shí)都是提供全生命周期的功能的，提供一站式解決方案。

競品分析：

百度的功能架構(gòu)是最舒服、邏輯性最好的。百度的AI開發(fā)平臺包括BML和EasyDL兩個，BML是全流程的開發(fā)平臺，覆蓋了AI模型全生命周期；EasyDL定位是零門檻開發(fā)，所以只支持到數(shù)據(jù)訓(xùn)練級別的開發(fā)。BML中相對獨(dú)立的數(shù)據(jù)相關(guān)功能和邊緣部署相關(guān)功能又都拆成組件/小平臺，可以供用戶單獨(dú)調(diào)用，從而提高靈活性。

騰訊TI系列平臺中，TI-ONE定位是一站式機(jī)器學(xué)習(xí)服務(wù)平臺”，但暫時沒有看到關(guān)于數(shù)據(jù)標(biāo)注方面的功能，數(shù)據(jù)處理只提供相對簡單的數(shù)據(jù)接入和數(shù)據(jù)預(yù)處理功能。預(yù)置模型相對來說也比較少，大部分是機(jī)器學(xué)習(xí)方面的模型，深度學(xué)習(xí)模型較少。

TI系列的其他兩個平臺TI-Matrix和Ti-EMS分別是“AI應(yīng)用服務(wù)平臺”和“無服務(wù)推理平臺”，個人感覺都更偏向云服務(wù)一些，主要是服務(wù)調(diào)度、擴(kuò)縮容等能力。

華為ModelArts也提供從數(shù)據(jù)標(biāo)注到模型推理全流程的開發(fā)工具，其中“自動學(xué)習(xí)”的功能模塊基本對標(biāo)百度EasyDL，提供重訓(xùn)練級別的模型生成，但暫時沒有按照需求層級進(jìn)行產(chǎn)品拆分。

總結(jié)：目前AI 平臺根據(jù)用戶不同的需求點(diǎn)各有所側(cè)重，但是基本都進(jìn)行了一站式平臺訓(xùn)練能力的部署，主要在對數(shù)據(jù)、模型、部署三個方面發(fā)力；

1）數(shù)據(jù)差異化：進(jìn)一步與大數(shù)據(jù)平臺吻合，提供數(shù)據(jù)采集、清洗、標(biāo)注（自動、人工）等功能，解決用戶數(shù)據(jù)方面的痛點(diǎn)。

2）模型差異化：提供更多的強(qiáng)大預(yù)置算法進(jìn)行模型訓(xùn)練，針對不同的業(yè)務(wù)場景去進(jìn)行模型訓(xùn)練，針對不同的業(yè)務(wù)場景進(jìn)行優(yōu)化，其次需要充沛的算例資源，與云平臺進(jìn)行很好的銜接、協(xié)同處理。

3）部署差異化：方便快捷、快速搭建、靈活運(yùn)用成為部署的需要攻克的一大難點(diǎn)，也是非常重要的競爭優(yōu)勢，節(jié)省時間、人力成本，也方便進(jìn)行運(yùn)維；

三、華為aito是什么

華為aito是什么

華為AITO（AI-Turing Open Platform）是華為推出的一款跨平臺AI開發(fā)工具，旨在幫助開發(fā)者快速構(gòu)建AI應(yīng)用。AITO的核心功能有：AI開發(fā)管理平臺，AI組件工具箱，AI開發(fā)框架，AI預(yù)訓(xùn)練模型管理等。AITO可以幫助開發(fā)者快速構(gòu)建AI應(yīng)用，并將AI應(yīng)用部署到各種環(huán)境，包括IaaS、PaaS、SaaS、Cloud、On-Premise等。AITO支持開發(fā)者部署在華為云上的AI應(yīng)用，也支持部署在其他云上。AITO支持各種深度學(xué)習(xí)框架，包括TensorFlow、Caffe2、Keras、MXNet、PyTorch等。

四、AI類產(chǎn)品概述 — 平臺型AI產(chǎn)品技術(shù)初識

總體來說，AI類產(chǎn)品可大體分為兩類：

對于推薦算法產(chǎn)品經(jīng)理而言，算法本身即是產(chǎn)品。產(chǎn)品經(jīng)理的職責(zé)主要在于，通過挑選合適的數(shù)據(jù)、算法幫助用戶更好地解決個性化需求與海量信息之間的匹配問題，通過恰當(dāng)?shù)臏y評方法，幫助技術(shù)人員尋找優(yōu)化特定場景下算法效能的方法?？紤]到用戶的需求相對單一，且參考指標(biāo)明晰（如點(diǎn)擊率、瀏覽率等），因此算法產(chǎn)品相對于其他產(chǎn)品而言，要對技術(shù)實(shí)現(xiàn)和底層算法邏輯擁有更清晰的認(rèn)識，從而可以方便的配合技術(shù)人員完成轉(zhuǎn)化率的提升。

對于終端類產(chǎn)品經(jīng)理而言，如果產(chǎn)品形態(tài)僅僅是算法，那么需要考慮的內(nèi)容應(yīng)與推薦算法產(chǎn)品大同小異。隨著家居物聯(lián)網(wǎng)產(chǎn)品的興起，越多越多的企業(yè)開始提供硬件類產(chǎn)品，常見的包括：AI智能音箱、安防攝像頭以及疫情期間的測溫儀等等。由于硬件產(chǎn)品對物流供應(yīng)鏈的要求高、產(chǎn)品集成度也更高，產(chǎn)品經(jīng)理除卻需要考慮算法是否能夠適配當(dāng)前的場景之外，更應(yīng)當(dāng)專注于產(chǎn)品的集成測試和競品分析（尤其需要掌握潛在進(jìn)入者的動向），來確保產(chǎn)品的整體可用性和市場競爭力。

非個性化推薦算法關(guān)注的是一群人的共性。

典型應(yīng)用場景包括，“音樂熱曲排行榜”、初期谷歌的“搜索引擎”等等。

由于非個性化推薦的結(jié)果依賴于大眾的點(diǎn)擊，因此易呈現(xiàn)強(qiáng)者越強(qiáng)、弱者越弱的馬太效應(yīng)。對于內(nèi)容生產(chǎn)者而言，推薦引擎如果始終維持這樣的策略，將對新產(chǎn)生的內(nèi)容不公平。為了兼顧冷啟動的問題，可以考慮采用“最近時間窗口”策略，維護(hù)內(nèi)容的新鮮度的同時兼顧大眾偏好。

個性化推薦算法關(guān)注的是少數(shù)人的個性。

適用于非個性化推薦算法的場景主要具有以下兩個特征：

1.海量數(shù)據(jù)；

2.擁有收集用戶信息的渠道。

其中用戶信息的收集方法又可分為以下兩種：

1.來源于網(wǎng)頁Cookie信息、訪問地址信息;

2.來源于用戶登錄賬戶期間的操作日志記錄。

個性化推薦中有兩類重要的算法設(shè)計思路，分別是（1）基于向量相似度的推薦算法，以及（2）基于用戶的協(xié)同過濾推薦算法。前者偏重于推薦標(biāo)的物與用戶興趣之間的相似度評估，通過在預(yù)先設(shè)定的維度上獲取用戶的興趣向量作為基向量，而后用同一坐標(biāo)系對標(biāo)的物進(jìn)行標(biāo)注，獲取到用戶興趣與潛在標(biāo)的物之間的相似度（具體示意如圖1所示）。后者則偏重于用戶間相似度的衡量，假設(shè)認(rèn)為，擁有較高興趣相似度的用戶，針對某個具體標(biāo)的物將具有相似的偏好（具體示意如圖2所示）。

產(chǎn)品發(fā)展到一定的DAU數(shù)量之后，為了進(jìn)一步提高這部分DAU人群的使用效率，需要通過精細(xì)化的推薦來輔助運(yùn)營實(shí)現(xiàn)更高層次的目標(biāo)。

盡管同為推薦產(chǎn)品大類，但由于推薦場景略有不同，因此電商推薦類產(chǎn)品與內(nèi)容推薦類產(chǎn)品在業(yè)務(wù)指標(biāo)的關(guān)注點(diǎn)上也略有不同。電商推薦類產(chǎn)品更關(guān)注用戶的營收，因此通常將轉(zhuǎn)化率設(shè)定為推薦指標(biāo)；內(nèi)容推薦類產(chǎn)品則更關(guān)注用戶的留存和使用粘性，因此通常將推薦準(zhǔn)確度、用戶體驗(yàn) 設(shè)定為推薦評估指標(biāo) 。以京東和頭條為例，由于前者是面向”大明型“用戶群體的產(chǎn)品，更關(guān)注推薦系統(tǒng)產(chǎn)生的效果為及時轉(zhuǎn)化貢獻(xiàn)了怎樣的力量；而后者則是面向”小閑型“的用戶群體，因此更關(guān)注推薦系統(tǒng)在用戶體驗(yàn)與產(chǎn)品依賴層面貢獻(xiàn)了怎樣的力量。

關(guān)于廣告推薦的幾個共識：

1、產(chǎn)品的價值交換：為用戶創(chuàng)造使用價值、并獲取交換價值的過程。

2、幾乎所有的廣告需求都是對體驗(yàn)有負(fù)向影響的反向需求。

廣告形態(tài)主要分為（1）橫幅；（2）插屏；（3）原生。其中橫幅廣告效果較差，且對體驗(yàn)有一定影響；插屏廣告由于以整屏形式出現(xiàn)，會吸引用戶的全部注意力，盡管降低了產(chǎn)品的體驗(yàn)，但一定程度上提高了廣告的展示效率；原生廣告以一種仿似真實(shí)展示結(jié)果的形式嵌入到用戶產(chǎn)品使用過程中，用戶體驗(yàn)最好，但轉(zhuǎn)化率相對插屏而言較低。一般情況下，更推薦使用插屏和原生廣告，盡量避免使用橫幅廣告。

由于廣告具有一定的商業(yè)性質(zhì)，只有盡可能保障廣告推薦的高效性，才有機(jī)會獲取到足夠的廣告營收費(fèi)用。通常而言，廣告是否有效需要從以下兩個角度進(jìn)行衡量：

1.曝光頻次高；

2.展示效率高，其中展示效率可從以下三個方面去衡量：（1）展示時機(jī)；（2）用戶狀態(tài)及（3）可見區(qū)域。

通常情況下，在產(chǎn)品剛進(jìn)入市場的階段，應(yīng)當(dāng)重點(diǎn)考慮DAU，只有把用戶基數(shù)做大，后續(xù)的流量變現(xiàn)規(guī)模才足夠可觀。當(dāng)產(chǎn)品DAU開始逐漸穩(wěn)定時，則可以開始考慮MTR，產(chǎn)品也隨之進(jìn)入商業(yè)化變現(xiàn)的成熟階段。Avglmps指數(shù)一方面展示出廣告曝光率與廣告收入之間的正線性關(guān)系，一方面也暗示著廣告的曝光率與用戶體驗(yàn)之間的反比關(guān)系，需要產(chǎn)品在不同場景下進(jìn)行適當(dāng)?shù)臋?quán)衡與取舍。廣告點(diǎn)擊率的大小，更多情況下取決于交互數(shù)據(jù)的應(yīng)用和推薦算法的構(gòu)建。當(dāng)廣告推薦的準(zhǔn)確度日趨成熟，產(chǎn)品的廣告位也將逐步獲得更好的議價能力，有望獲得更多的營收收入。

除了產(chǎn)品開發(fā)者本身可以招攬廣告位外，廣告生態(tài)系統(tǒng)中還存在這樣一類第三方，被稱之為ad network。作為連通廣告位和廣告主之間的中間方，通過統(tǒng)籌并協(xié)調(diào)廣告資源，制定相對普適化的廣告算法，能夠最大限度的保障廣告主對于廣告展示次數(shù)的要求，同時能夠幫助產(chǎn)品提供方充分利用剩余的廣告位資源。對于大廠而言，流量變現(xiàn)已成為最重要的營收手段，除非廣告資源稀缺，通常不會交予第三方管理。但對于尚處于發(fā)展期的公司而言，將廣告位外包給中間商，一方面獲取源源不斷的收入，一方面將更多的精力集中在產(chǎn)品的研發(fā)投入上，是一件一舉兩得的事情。

在進(jìn)行廣告分析時，通常會采用如上的5個指標(biāo)對廣告展示效率進(jìn)行逐層次的分析，在自上而下的過程中每一層次都存在著流量的流失。下面將以兩個場景為例，逐一分析場景二的潛在提升空間。

1. 通常而言，廣告請求率應(yīng)盡量保證在100%，可以考慮優(yōu)化用戶訪問時的請求率；

2. 當(dāng)用戶端發(fā)出廣告請求時，缺少與用戶當(dāng)前情境相匹配的廣告時，易出現(xiàn)填充率的情形?？煽紤]適當(dāng)增加廣告源，進(jìn)一步提高填充率；

3. 廣告展示率低，意味著廣告匹配成功后，卻由于網(wǎng)絡(luò)帶寬、用戶停留時長、廣告資源大小等原因沒有得到合適的展示機(jī)會。需要具體分析，可采用prefetch等方法、挑選合適的展示時機(jī)等方法，提高展示成功率；

4. 點(diǎn)擊率與廣告內(nèi)容、展示時機(jī)和廣告大小等等因素密切相關(guān)。通過選取與上下文情境相匹配的廣告源、增加廣告位的大小、篩選出高質(zhì)量廣告，可以進(jìn)一步提升廣告的點(diǎn)擊期望。

5、然而，為了選取高質(zhì)量的廣告而為廣告位設(shè)置了廣告底價后，也意味著廣告資源數(shù)目的降低（即填充率的降低）。需要產(chǎn)品制定出適用于當(dāng)前產(chǎn)品的整體策略。

除了上述AI產(chǎn)品之外，還有一類特殊的AI產(chǎn)品，通常由AI頭部公司創(chuàng)建。通過集成相關(guān)算法和數(shù)據(jù)，為開發(fā)者提供相對自由的基礎(chǔ)訓(xùn)練模型，提供自然語言處理、圖像識別、VR等相關(guān)領(lǐng)域的SDK開發(fā)包，為各行業(yè)定制專用解決方案?？蓞⒖嫉腁I平臺類產(chǎn)品主要包括：

1. 百度大腦 —— AI開放平臺（ http://ai.baidu.com/ ）

2. 騰訊AI開放平臺（ https://ai.qq.com/ ）

3. AliGenie ( https://iap.aligenie.com/ )

4. 網(wǎng)易人工智能平臺（ https://ai.163.com/#/m/overview ）

5. Amazon AI ( https://amazonaws-china.com/cn/events/amazon-ai/ )

6. IBM AI Developer Program ( https://software.intel.com/content/www/us/en/develop/topics/ai.html )

7. 京東人工智能開放平臺（ https://neuhub.jd.com/ ）

8. HIKVISION開放平臺（ https://open.hikvision.com/ ）

9. Face++ 人工智能開放平臺（ https://www.faceplusplus.com.cn/ ）

10. 搜狗AI開放平臺（ https://ai.sogou.com/ ）

（ps：后續(xù)將形成獨(dú)立章節(jié)，對top級AI開放平臺進(jìn)行競品分析，敬請期待 ~）

以上就是關(guān)于人工智能訓(xùn)練平臺相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。