-
GEE说:
AI模型训练用到了哪些知识点，哪些技术？
AI模型训练涉及到诸多知识点和技术，其中包括：
-
数据挖掘：数据挖掘主要是从巨量数据中挖掘有价值的信息，涉及数据的采集、清洗、标准化、特征提取、数据分析、模型选择等。
-
机器学习：包括监督学习、无监督学习、半监督学习等，是AI模型训练的基础。
-
深度学习：深度学习是机器学习的一种，它使用多层神经网络模型，借助大量数据进行自动特征提取，以及自动特征分类、识别等。
-
计算机视觉：计算机视觉是一门利用计算机来模拟人眼视觉的学科，它主要应用于图像分析、识别、检测等。
-
自然语言处理：自然语言处理是一门处理人类自然语言的计算机科学分支，它主要应用于语音识别、机器翻译等。
-
-
GEE说:
模型训练与调参、神经网络模型设计有哪些？
一、模型训练与调参
1、超参数调整：调整学习率、正则化参数、激活函数、隐藏层数量。
2、模型融合：将多个模型融合，可以提升模型的效果。
3、数据增强：对训练集进行数据增强，比如随机裁剪、旋转、翻转等。
4、正则化：正则化可以抑制模型过拟合，常用的正则化有L1正则化和L2正则化。二、神经网络模型设计
1、深度神经网络（DNN）：包括多层前馈神经网络、卷积神经网络、循环神经网络等。
2、生成对抗网络（GAN）：利用生成器和判别器对抗训练，可以用来生成图像。
3、受限玻尔兹曼机（RBM）：受限玻尔兹曼机是一种无监督学习方法，可以学习数据的潜在结构。
4、自编码器（AE）：自编码器也是一种无监督学习方法，可以自动从原始数据中学习潜在结构。
