- 综合排序
- 最热优先
- 最新优先
- 来自专栏NewBeeNLP
我是如何赢得吴恩达首届 Data-centric AI 竞赛的？
作者 | Johnson Kuan 编辑 | AI科技评论 吴恩达（英文名 Andrew Ng，是人工智能和机器学习领域国际上最权威的学者之一）在今年 6 月的时候宣布首届以数据为中心的人工智能（Data-centric AI）竞赛即将开赛，参赛“作品”的提交日期截止到9月初。 那么，获奖者对赢得吴恩达首届 Data-centric AI 竞赛的心情是怎样的呢？以下是此次竞赛最佳创新奖得主之一 Johnson Kuan 发布的博文，记录了他参赛时的过程以及获奖后的感受。 博文具体内容如下： 在过去的几个月里，我有幸参加了吴恩达首届 Data-centric AI 竞赛。 由 Python 生成的数据评估电子表格示例，用于简化以数据为中心的 AI 工作流程。
92810发布于 2021-11-19 - 来自专栏AI科技评论
GPT 模型成功的背后用到了哪些以数据为中心的人工智能（Data-centric AI）技术？
GPT系列模型大小比较 2 什么是Data-centric AI? Data-centric AI是一种搭建AI系统的新理念，被@吴恩达老师大力倡导。 Data-centric AI和model-centric AI的区别，图片来源于https://arxiv.org/abs/2301.04819 Data-centric AI框架包括三个目标： 训练数据开发 以下，我们用Data-centric AI框架从三个维度进行分析。 因此，Data-centric AI的研究和开发将持续推动未来AI系统的进步。 大语言模型将为Data-centric AI提供更好的解决方案。 我们对Data-centric AI这个领域进行了总结，希望能帮助大家快速高效地了解这个领域，相关链接见本文开头。鉴于Data-centric AI是一个很大的领域，我们的总结很难面面俱到。
1.2K10编辑于 2023-04-04 - 来自专栏鸿的学习笔记
吴恩达谈 MLOps：调优数据比调优模型更重要
3月25日，吴恩达开了一个直播讲 A Chat with Andrew on MLOps: From Model-centric to Data-centric AI ，看完后深受启发，便随手写下一些笔记 吴恩达的观点 一个 AI 系统包括了代码和数据两部分，用一个公式表示就是AI System = Code + Data，其中更详细的来说，代码指的模型和算法。 在之前的 AI 系统设计当中，大家似乎更重视对模型的调优这一块，而忽视了对数据的调优，吴恩达认为前者是 Model-centric（以模型为中心），后者是 Data-centric（以数据为中心）。 在之前使用以模型为中心的 AI 系统中，因为重点在模型的选择和参数调整上面，就不太重视数据本身，单纯只是把数据作为 AI 系统的食物（Data is Food for AI）。 ，在这种策略下，可以认为模型是固定的（只对数据集作适应性调整） 缘由 Data-centric 策略和 Model-centric 策略之争在某种程度上是科学家和工程师之争，正如在16年发表的Data-centric
1.3K40发布于 2021-04-23 - 来自专栏气象杂货铺
关注数据而不是模型：我是如何赢得吴恩达首届 Data-centric AI 竞赛的
如何凭借“数据增强”技术获得吴恩达首届 Data-centric AI 竞赛的最佳创新奖？ 作者 | 杏花 编辑 | 青暮 吴恩达（英文名 Andrew Ng，是人工智能和机器学习领域国际上最权威的学者之一）在今年 6 月的时候宣布首届以数据为中心的人工智能（Data-centric AI）竞赛即将开赛 那么，获奖者对赢得吴恩达首届 Data-centric AI 竞赛的心情是怎样的呢？以下是此次竞赛最佳创新奖得主之一 Johnson Kuan 发布的博文，记录了他参赛时的过程以及获奖后的感受。 博文具体内容如下： 在过去的几个月里，我有幸参加了吴恩达首届 Data-centric AI 竞赛。 由 Python 生成的数据评估电子表格示例，用于简化以数据为中心的 AI 工作流程。
1.1K40编辑于 2022-09-23 - 来自专栏新智元
CLUE社区发布国内首个Data-centric竞赛，白给数据分析服务
正是看到了这种巨大的差别，在吴恩达等人的推动下这种以数据为中心 （Data-centric）的AI进一步的系统化，并成为一个有具有巨大实用价值方法论。 以数据为中心（Data-centric）的AI，是一种新型的AI探索方向。它的核心问题是如何通过系统化的改造你的数据（无论是输入或者标签）来提高最终效果。 它基于CLUE benchmark，结合Data-centric的AI的典型特征，进一步将Data-centric的AI应用于 NLP领域，融入文本领域的特定并创造性丰富和发展了Data-centric 的AI。 前80名并超过Data-centric的baseline进入到复赛。
70020发布于 2021-10-13 - 来自专栏机器学习初学者精选文章
【NLP】DataCLUE: 国内首个以数据为中心的AI测评
DataCLUE 以数据为中心的AI测评(含模型和数据分析报告) DataCLUE: A Chinese Data-centric Language Evaluation Benchmark Github 介绍数据集及示例 贡献与参与 如何参与项目或反馈问题 简介 以数据为中心（Data-centric）的AI，是一种新型的AI探索方向。 正是看到了这种巨大的差别，在吴恩达等人的推动下这种 以数据为中心 （Data-centric）的AI进一步的系统化，并成为一个有具有巨大实用价值方法论。 DataCLUE是一个以数据为中心的AI测评。 它基于CLUE benchmark，结合Data-centric的AI的典型特征，进一步将Data-centric的AI应用于 NLP领域，融入文本领域的特定并创造性丰富和发展了Data-centric 前80名并超过Data-centric的baseline进入到复赛。
72820发布于 2021-09-17 - 来自专栏量子位
吴恩达新动作：建立全新机器学习资源Hub，「以数据为中心的AI」大本营
行早 发自 凹非寺 量子位 | 公众号 QbitAI 今天早上，吴恩达教授发推给大家推荐了一个新的资源站：Data-centric AI（DCAI）。 很高兴给大家介绍我们建立的一个新资源站Data-centric AI，这里有许多专家的文章和NeurIPS DCAI研讨会的交流谈话，来看看吧~ 这个DCAI是什么来头？ 它代表了最近AI从“以模型为中心”到“以数据为中心”的转变。 在过去几十年间，大多数的AI研究都集中在“code”上面，也就是提升模型或者算法。 大伙纷纷希望加入社区，还有人表示会很快分享自己的成果： 如果有同学对“以数据为中心”的AI内容感兴趣，就赶快用起来吧~ DCAI地址： https://datacentricai.org/ 参考链接：
47320编辑于 2022-03-04 - 来自专栏SimpleAI
数据地图---使用Training Dynamics来映射和诊断数据集
这其实是Data-centric方向中的data selection要考虑的主要问题之一。 样本贡献也很大，但是里面可能包含很多noise，如果数据错标的话，基本都出现在hard区域 以上就差不多是论文的内容了，其实很简单，但是这样的一个数据地图，其实可以帮助我们进一步观察数据集的特点，帮助我们从data-centric ---- 写作不易 如果觉得有所收获的话 大家就点一个赞吧 :) 2022年的第10/52篇原创笔记 和我一起挖掘有趣的AI研究吧！
75440编辑于 2022-11-30 - 来自专栏算法进阶
机器学习数据工程的概述
近些年AI大佬吴恩达老师一直在倡导“以数据为中心的AI”（Data-centric Artificial Intelligence，DCAI），以此希望AI研究者重视数据样本的重要性，将目光从以模型为中心转向以数据为中心 Data-centric Artificial Intelligence（DCAI）可以概括为数据工程，主要探索如何高效地构建高质量、大规模的数据集。 而数据工程（或称为Data-centric）的工作经常是脏活累活，对模型的重要性经常被忽视，相关的技术发展也比较少。 Data-centric AI：以数据为中心的人工智能是指一个为人工智能系统开发、迭代和维护数据的框架。以数据为中心的人工智能涉及构建有效训练数据、设计适当的推断数据和维护数据的任务和方法。 ：AI领域文章精选！
8.8K22编辑于 2023-11-17 - 来自专栏气象杂货铺
研讨会｜机器学习和人工智能在天气和气候模式方面的新机遇（视频和PPT）
研讨会主要围绕以下三个主题： Views from Domain Science ML/AI Software Technologies High performance, Infrastructure Cambridge) Philosophy and Targeted Applications of ML/AI Techniques for Climate Risk Analytics at Jupiter Rice) Session 2: ML/AI Software technologies Stochastic machine learning for atmospheric fields with 3: High performance, Infrastructure and Big data challenges Scaling Up Deep Learning Workloads - A Data-Centric Simpson (NOAA) Using ML at the Edge to Improve Data Gathering, Pete Warden (Google) An Overview of ML and AI
48930编辑于 2022-09-23 - 来自专栏机器之心
吴恩达近3万人学习的MLOps讲座，官方上线机器之心知识站
近年来，MLOps 成为了 AI 开发领域的热门概念。 吴恩达老师的这场讲座就围绕这一热门话题展开，演讲主题为《MLOps: From Model-centric to Data-centric AI》。
32710编辑于 2023-03-29 - 来自专栏AI算法与图像处理
论文/代码速递2022.12.8！
整理：AI算法与图像处理 CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo ECCV2022论文和代码整理 2212.03586 代码/Code: None CVPR2022 NeurIPS Updated on : 8 Dec 2022 total number : 2 MEDIAR: Harmony of Data-Centric
64520编辑于 2022-12-11 - 来自专栏ThoughtWorks
2022 技术雷达峰会 - 首批讲师及话题震撼发布！
李栋 Thoughtworks 数据智能解决方案架构师 《Data-centric AI: 构建AI系统的基石》企业落地AI有诸多挑战，大多数情况下注意力都集中在算法和模型上，而作为模型训练最为关键的数据往往被忽视 Data-centric AI会从系统化工程的视角，解读如何夯实机器学习应用的基石。
1.1K10编辑于 2022-05-10 - 来自专栏云云众生s
人工智能范式从模型为中心转向数据为中心
译自 The Paradigm Shift from Model-Centric to Data-Centric AI，作者 Rahul Pradhan 拥有16年以上的经验，目前担任Couchbase 关注以数据为中心的AI，并将模型更接近数据，将改善AI模型的输出，并使企业能够发掘其全部潜力。 以模型为中心的AI方法 以模型为中心的AI方法是机器学习发展的传统方式。 以数据引领AI演进的未来 从以模型为中心向以数据为中心的人工智能(AI)方法转型，代表了一种基本的思维方式的改变。这是将数据置于AI变革之旅的核心。 融合两者的优势 构建强大的AI解决方案需要对何时强调数据和关注模型创新进行细致的理解。平衡运用以模型为中心和以数据为中心AI的优势，对解决当今的AI挑战至关重要，这样组织才能从AI项目中获得最大价值。 为了帮助确保AI模型是在最新的数据上开发的，并且准确可靠，组织必须接受向以数据为中心的AI转型。
48710编辑于 2024-03-28 - 来自专栏量子位
吴恩达：AI是时候从大数据转向「小数据」了
丰色 编译整理 量子位 | 公众号 QbitAI AI大牛吴恩达不久前刚被检测出新冠阳性，许多网友都向他表达了早日康复的祝愿。 如今，他的工作重心放在了他的Landing AI公司上。 现在当我与大家讨论以数据为中心的人工智能（Data-centric AI）运动时，也会想到15年前与大家讨论深度学习时的场景。这一年，许多人和我说“方向错了”、“两者之间似乎没有什么新东西”。 吴：以数据为中心的AI是为构建成功AI系统所需数据的系统准则。对于AI系统来说，你必须用代码实现一些算法，然后在你的数据集上进行训练。过去十年里，主要的应用范例就是我们下载数据集，同时专注于改进代码。 在NeurIPS会议上，Mary Gray的演讲谈到了以数据为中心的AI是这个问题的解决方案之一（并非全部）。 以数据为中心的AI给我们带来的强大能力之一是构建（engineer）数据子集。 吴：合成数据也是Data-centric AI工具集中的一个重要工具。在NeurIPS研讨会上，Anima Anandkumar做了一次涉及合成数据的精彩演讲。
51030编辑于 2022-03-04 - 来自专栏Python进阶之路
调研图基础模型（Graph Foundation Models）
对 Data-Centric 图学习的思考：基础模型的崛起凸显了以数据为核心的人工智能（Data-Centric AI）的潜力和优势。 但由于不同图结构间的“结构关联” 不能像 NLP 中那样转化为统一的 token 表示，或像 CV 中转化为像素表示，因此如何确立和推进 Data-Centric 图学习的概念仍是个开放性问题。
1.1K00编辑于 2024-05-25 - 来自专栏SimpleAI
作为普通NLP科研人员对ChatGPT的一些思考
个人很明显地感受，在AI领域，阶层的鸿沟在明显拉大，普通研究者和顶级研究机构的思路、话语已经开始差距越来越大，两个群体慢慢地在讨论这两种全完不同的东西了。 然而时间已经荒废，一两年时间，虽然很短，但在AI领域，却已经天翻地覆，曾经研究的东西，已经过时了，我自己都不愿再提起了。 以数据为中心的研究 吴恩达这两年提出的Data-centric AI（DCAI）也给我们提示了一种新的研究范式，把焦点从模型开发，转到数据层面。 在知乎@Trinkle 的回答以及评论区，也提到了Data-centric的概念，ChatGPT之所以可以做的这么优秀，跟它背后高质量的数据有着密不可分的关系。 ---- 最后，让ChatGPT为我们缓解一下焦虑吧： ---- 写作不易 如果觉得有所收获的话 大家就点一个赞吧 :) 2022年的第15/52篇原创笔记 和我一起挖掘有趣的AI研究吧！
91431编辑于 2023-02-13 - 来自专栏山行AI
FinGPT——为金融领域的大模型应用提供了更多的可能
前言 在ChatGPT引领的AI浪潮下，涌现了一大批优秀的AI应用，AI正在不断地重塑一个又一个行业，今天介绍的这个AI项目是跑进github前三甲的金融领域的代表：FinGPT。 这里引申一篇笔者之前整理的金融领域自动量化交易的AI应用：Qbot——一款可自动量化交易的AI应用 面向开放金融的数据中心化 FinGPT：开源项目[1] 让我们不要期待华尔街将大型语言模型（LLM）或开放 Google[71] 链接 •LLM调查[72]•Awesome GPT-3示例[73] 声明 文章翻译整理自：GitHub - AI4Finance-Foundation/FinGPT: Data-Centric : https://lifearchitect.ai/whats-in-my-ai/ [34] FinRL-Meta Repo: https://github.com/AI4Finance-Foundation /FinGPT: Data-Centric FinGPT.
4.9K71编辑于 2023-06-26 - 来自专栏全栈开发工程师
AI日报 - 2025年3月7日
中国AI巨头加速机器人领域布局 ▎ 政策追踪 | 中国宣布增加对AI、科学和技术创新的支持 政策红利推动技术商业化 ▎ 技术趋势 | HEADINFER技术实现消费级GPU长上下文推理 算力成本降低，边缘AI应用加速 ▎ 应用创新 | Runway首帧视频风格转换惊艳亮相 生成式AI在视频领域再突破 一、今日热点 (Hot Topic) 1.1 Anthropic预测AI将超越诺贝尔奖得主 ⚡ 数据支撑：其模型在化学推理、医学诊断等领域的准确率已接近人类专家 行业影响： ▸ 加速AI在基础科学研究中的角色转变，可能重构科研范式 ▸ 伦理争议升温，需建立AI科研成果的评估与认证体系 ： ▸ 为初创企业提供差异化竞争路径 ▸ 推动轻量化模型在边缘设备部署 深度洞察：与其论文《Data-Centric AI》理论一脉相承 六、工具推荐 (Toolbox) 6.1 LM Studio ▸ 验证了LLMs在复杂策略游戏中的规划能力 ▸ 引发关于AI游戏测试伦理的讨论 每日金句 今日思考：*"AI不会取代人类，但会用AI的人将取代不用AI的人"* 出自：Andrew Ng（吴恩达
40910编辑于 2025-03-09 - 来自专栏腾讯云安全的专栏
在FIT 2019上，我们的这块“盾牌”和“镜子”获奖了
评委会认为，腾讯云数盾作为一套“以数据为中心的审计和保护 DCAP （Data-Centric Audit and Protection）”方案，能够针对数据生命周期内每个阶段的安全做出及时响应，实现了全流程 1、外网盾通过提供数据库审计，拥有提供 PB 级大数据处理能力、千亿级访问请求审计能力，使用黑白双 AI 引擎分析数据和应用系统的外部访问服务，对互联网开放的应用做好安全防范措施，增强应用安全的保护和监控 2、内网盾通过数据安全代理，收口内部人员对核心数据的访问，同时使用AI对海量日志中的隐秘攻击进行识别，精准迅速的捕捉高危操作，一览无遗的展示内部威胁，同时找到从内部发起的异常数据操作行为如越权操作，蚂蚁搬家偷数据等 2、云端自研 AI 查杀引擎+特征引擎，每日鉴定千万级样本，不断自学习样本训练。
12.2K20发布于 2018-12-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号