AAAI候任主席展望“AI未来10年”

ndroid 和 iOS 成为了移动互联网上的两大主流开发环境，大多数的开发者和企业都有着自己的Android App，那么，如何让这些安卓App 成为DuerOS 上支持语音交互的多模态技能呢?

DBP 上的 App 技能

App技能同样是一种DBP的自定义技能，与其他自定义技能的区别在于需要开发者开发或调整自己的安卓App。DBP 平台上 APP技能的推出使得Android App 可以很快地成为DuerOS 设备上的技能，使安卓系统的App生态能够与DuerOS的技能生态水乳交融，为用户带来更多的价值。

 

5. 开发一个基准模型并探索其他模型以筛选最佳模型

创建一个非常基础的模型，作为所有其他复杂机器学习模型的基线。按照以下步骤：

• 使用默认参数，训练一些常用的机器学习模型，如朴素贝叶斯、线性回归、支持向量机(SVM)等。
• 利用基线和其他模型，测量并比较每个模型的性能。
• 每个模型部署N折交叉验证(N-fold cross-validation)，并计算N个折叠上性能指标的平均值和标准差。
• 研究对目标影响最大的特征。
• 分析模型在预测时出错的类型。
• 以不同的方式设计特征。
• 多次重复上述步骤(反复试验)，确保以正确的格式使用正确的特征。
• 基于性能衡量标准列出最佳模型。

6. 微调入围模型，检查集成方法

这是关键步骤之一，在此步骤中将更接近最终解决方案。主要步骤应包括：

• 使用交叉验证进行超参数调整。
• 使用自动调整方法，如随机搜索或网格搜索，为最佳模型找到最佳配置。
• 测试集成方法，如投票分类器等。
• 用尽可能多的数据测试模型。
• 完成后，使用一开始抛之一侧的测试样本，来检查是否过拟合或欠拟合。

7. 记录代码并传达解决方案

沟通的过程是多方面的，请时刻牢记所有现有的和潜在的利益相关者。主要步骤包括：

• 记录代码以及整个项目的完成方法和过程。
• 创建一个简明的仪板或一个具有深刻见解的演示文稿，其应具有接近自我解释的可视化效果。
• 撰写博客/报告，记录如何分析特征、测试不同的转换等，记录学习成果(失败和有效的技巧)。
• 总结主要成果和未来蓝图(如有)。

8. 在生产中部署模型和监视器

如果项目需要在实时数据上测试部署，应该创建一个web应用程序或REST API，以便在所有平台(web、android、iOS)上使用。主要步骤(因项目而异)包括：

• 将最终训练的模型保存到h5或pickle文件中。
• 使用web服务为模型服务，可以使用Flask开发这些web服务。
• 连接输入数据源并设置ETL管道。
• 使用pipenv、docker/Kubernetes(基于扩展需求)管理依赖关系。
• 可以使用AWS、Azure或Google云平台来部署服务。
• 监控实时数据的性能，或让人们将你的模型与他们的数据一起使用。

（编辑：桂林站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!