十月上旬更新速递丨 AI深入、实战强化与开发进阶

秋意渐浓,智能不息!十月上旬更新聚焦AI知识深化、任务实战、开发进阶与体验优化,助力你在数据与AI的海洋中乘风破浪!

一、产品更新

DEMO动态】体验中心金秋上新!行业案例DEMO上架!》→ 全新行业案例DEMO上线,覆盖多业务场景,助你快速理解智能分析落地实践!

二、技术经验分享

回写填报数据异常?让你告别“白干了”的崩溃!→ 从现象到根源,一步步教你排查并解决回写填报中的常见问题。

三、二次开发视频

扩展包环境搭建→“工欲善其事必先利其器”,讲解如何搭建扩展包的开发环境、创建扩展包、打包上线等内容。

、任务持续上线

AI每日一学知识巩固】简单总结一下AI Agent的五个发展阶段》→梳理AI Agent演进脉络,巩固学习成果。

AI每日一学知识巩固】简述AI Agent核心特征有哪些?》→检验对智能体核心能力的理解。

BI知识闯关】回写填报数据异常?让你告别“白干了”的崩溃》→实战排查数据回写问题,提升故障处理能力

场景实战系列:dwd层数据处理,赢取278麦豆!》→深入数据仓库底层处理,提升数据建模能力,完成任务即可赢取奖励!

五、AI每日一学

AI每日一学】简述AI Agent核心特征有哪些?》→ 掌握智能体的核心属性,理解其运作逻辑。

AI每日一学】Agentic AI的定义、定位、目标和关键特征是什么?》→ 深入解读Agentic AI,构建系统化AI认知体系。

为进一步提升认证服务的质量与体验,我们对认证业务进行全面优化升级。更多详情请看Smartbi认证考试优化升级公告

麦粉社区
>
帖子详情

【AI每日一学】必须了解的与Al、大模型等相关的专业名词及解释(二)

AIChat 发表于 2025-5-28 16:09
发表于 2025-5-28 16:09:16

        解锁AI新知识,挑战超有趣小问题!每日3题,让你在紧张刺激的氛围中,手速与脑力齐飞!最快全部答对的麦粉将收获20麦豆惊喜奖励!答案就藏在上一篇【必须了解的与Al、大模型等相关的专业名词及解释(一)】的宝藏帖子里,速速翻阅,抢麦豆啦!


AI知识小问答(知识巩固)


1、以下哪项是人工智能(AI)的一个分支,能让机器从数据中学习模式和规律用于预测和决策?


A. 神经网络(NN)


B. 机器学习(ML)


C. 深度学习(DL)


D. 通用人工智能(AGI)


2、具备全面智能,可在任何智力任务上媲美人类的人工智能类型是?


A. 狭义人工智能(ANI)


B. 生成式人工智能(AIGC)


C. 通用人工智能(AGI)


D. 模型(Model)


3、通过模型生成新数据,如图像、文本、音频等的人工智能类型是?


A. 机器学习(ML)


B. 生成式人工智能(AIGC)


C. 模型(Model)


D. 深度学习(DL)


 


        经过一番紧张刺激的小问答挑战,相信大家对AI的基础知识已经有了更深刻的印象。现在,让我们暂时放下手中的“答题利器”,一同进入今天更加深入、更具挑战性的学习环节——AI模型架构类知识。在这里,我们将一起探索那些支撑AI强大功能的底层架构与机制,揭开它们神秘而精妙的面纱。准备好了吗?让我们一同踏上这场探索AI模型架构的奇妙之旅吧!


 


模型架构类(今日学习)


1.Transformer架构(Transformer Architecture):


基于注意力机制的深度学习架构,在NLP、CV等领域广泛应用。


 


2.注意力机制(Attention Mechanism):


使模型处理数据时关注重要信息。


 


3.多头注意力(Multi-Head Attention):


Transformer架构中多个注意力头并行,获取更丰富特征。


 


4.循环神经网络(Recurrent Neural Network,RNN):


处理序列数据,能记忆之前输入,但长序列处理有局限。


 


5.长短期记忆网络(Long Short-Term Memory,LSTM):


RNN变体,解决梯度消失和爆炸问题。


 


6.门控循环单元(Gated Recurrent Unit,GRU):


RNN的简单变体,计算效率高。


 


7.卷积神经网络(Convolutional Neural Network,CNN):


常用于图像数据,通过卷积、池化层提取特征。


 


8.全连接层(Fully Connected Layer):


神经网络层,输入与输出节点全连接。


 


9.混合专家模型(Mixture of Experts,MoE):


多个“专家”网络并行,门控机制选输出,平衡效率和性能。


 


10.位置编码(Positional Encoding):


Transformer中为模型提供输入序列元素位置信息


 


11.自注意力机制(Self-Attention Mechanism):


输入序列元素可互相关注,捕捉长距离依赖。


 


12.编码器-解码器架构(Encoder-Decoder Architectur e):


处理序列到序列任务,如机器翻译。


 


13.图神经网络(Graph Neural Network,GNN):


处理图形结构数据,用于社交网络分析等。

发表于 2025-5-28 18:19:25
答案是BCB
打赏人数1麦豆 +20 收起 理由
Smartbi社区管理员 + 20 骚年,我看好你哦

查看全部打赏


回复

使用道具 举报

发表于 2025-5-29 16:06:21
答案是BCB

回复

使用道具 举报

高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

6回帖数 1关注人数 859浏览人数
最后回复于:2025-5-29 18:08
快速回复 返回顶部 返回列表