机构名称：
¥ 4.0
机器学习 (ML) 曾经是少数幸运儿的专属领域，他们拥有工具和资源来构建酷炫的东西。幸运的是，随着各种尺寸设备上计算能力的增长、开源工具的出现以及对隐私和个性化信息的更严格要求和意识的融合，我们看到 ML 逐渐成为主流，所有这些都汇聚在一起，形成了一个蓬勃发展的生态系统。联合机器学习等技术允许 ML 模型为敏感信息提供隐私。TinyML 领域允许模型在资源受限的设备上执行，将推理转移到边缘，这既释放了资源，又提高了敏感数据的隐私。特征存储为应用程序开发提供了与模型-视图-控制器设计模式类似的优势，允许更清晰地分离数据管理、模型训练和推理之间的关注点。诸如稳定扩散之类的公开可用模型既突出了机器学习的惊人能力，也突出了对源数据和道德的关注。ML 组件也比以往任何时候都更容易连接在一起，从而可以通过创造性地组合自定义业务模型和功能强大的通用模型来构建 ML 体验和解决方案。我们对这一领域的新功能表示赞赏，并热切期待未来的进步。
技术雷达第 27 期
主要关键词
相关文件推荐
