Machine Teaching voor autonome AI
In een oogopslag
-
Niveau
-
Vaardigheid
-
Product
-
Onderwerp
In dit pad leert u hoe u een nieuw AI-paradigma met de naam Machine Teaching voor autonome AI ontwerpt en implementeert. Machine Teaching maakt gebruik van de kennis van deskundigen op het gebied van onderwerpen om AI te leren. Machine Teaching integreert bekende controlemethoden, voor stabiele controle, Machine Learning, voor geavanceerde perceptie en Deep Reinforcement Learning, voor leerstrategieën en menselijke besluitvorming. De implementatie in industriële processen zonder onderbreking en het bieden van echte bedrijfswaarde wordt vanuit het ontwerp overwogen. Machine Teaching voor autonome AI slaat de vaardighedenset van deskundige operators op en helpt bedrijven nieuwe optimalisatieniveaus te realiseren voor concurrentievermogen, winstgevendheid en duurzaamheid. De praktische ontwikkeling van autonome oplossingen wordt geleerd met behulp van het Microsoft Project Bonsai Platform, een platform met weinig code waar Machine Teaching wordt gebruikt voor de implementatie, training en validatie van Bonsai-hersenen.
Aan het einde van dit leertraject kunt u het volgende doen:
- Gebruiksvoorbeelden selecteren waarbij autonome AI zowel mensen als geautomatiseerde systemen beter presteert.
- Maak gebruik van menselijke expertise om AI-oplossingen te ontwerpen en te leren.
- Gebruik hersenontwerppatronen om snel hersenen te ontwerpen voor elke use-case.
- Vul ai-specificatiedocumenten in die het probleem en de voorgestelde oplossing nauwkeurig beschrijven.
- Visueel inzicht in hersenprestaties met behulp van ingesloten grafiekinterfaces.
Geproduceerd in samenwerking met de Universiteit van Oxford – Ajit Jaokar Artificial Intelligence: Cloud and Edge Implementations course
Vereisten
Geen
Aan de slag met Azure
Kies het Azure-account dat geschikt is voor jou. Betaal naar gebruik of probeer Azure maximaal 30 dagen gratis uit te proberen. Meld u aan.
Prestatiecode
Wilt u een prestatiecode aanvragen?
Modules in dit leertraject
In deze module leert u meer over verschillende geautomatiseerde methoden, zoals wiskunde (controletheorie), menu's (optimalisatiealgoritmen) en handleidingen (expertsystemen en expertregels), die onderdelen van Machine Teaching zijn. Daarnaast leert u geautomatiseerde intelligentiesterkten en -beperkingen, wanneer u deze technologieën het beste kunt gebruiken en wanneer autonome intelligentiemethoden de beste keuze zijn.
In deze module leert u meer over verschillende AI-technologieën, zoals machine learning, deep learning en deep reinforcement learning die onderdelen van Machine Teaching zijn. Daarnaast leert u de sterke punten van autonome intelligentie, wanneer u deze technologieën en hun beperkingen het beste kunt gebruiken en wanneer geautomatiseerde intelligentiemethoden deze kunnen ondersteunen.
In deze module leert u meer over mogelijkheden en essentiële concepten van Machine Teaching, de stappen voor het toevoegen van intelligentie aan autonome intelligentiesystemen en de typen zakelijke problemen die u kunt oplossen met behulp van Machine Teaching voor autonome AI.
In deze module leert u meer over de belangrijkste autonome AI-ontwerppatronen voor hersenen die de meeste uitdagingen van Machine Teaching oplossen. U leert ook wanneer u ze het beste afzonderlijk of gecombineerd kunt gebruiken.
In deze module leert u hoe u gebruiksvoorbeelden kunt identificeren die geschikt zijn om te worden opgelost met behulp van Machine Teaching voor autonome AI.
In deze module leert u hoe u een AI-specificatiedocument kunt invullen voor een autonome AI-use case.