Leading Practices: Iterative Cycles Enable Rapid Delivery of Complex, Innovative Products
为什么这很重要 代理商越来越多地采购复杂的产品，例如硬件和软件的组合网络，这需要新的流程来设计、生产和交付。 GAO 发现，为了始终如一地向用户快速交付产品，这些网络（称为网络物理系统，例如飞机和无人驾驶车辆）的采办计划必须采用新方法来评估绩效和评估执行风险。不过，解决方案不太可能完全来自政府内部。相反，识别领先公司所依赖的创建网络物理产品的实践可以为政府采购领导者提供关键的前沿信息，进而最终帮助制定机构采购流程的变革。 20 多年来，GAO已向国防部 (DOD) 和国土安全部 (DHS) 以及美国国家航空航天局 (NASA) 提出了许多建议，以实施其主要采购计划的最佳实践，从而支持领先公司的
How to Choose the Right Off-the-Shelf AI Training Data Provider?
为机器学习算法构建一个提供准确结果的高质量数据集是一项挑战。开发精确的机器学习代码来提供用户预期的结果需要大量的时间和精力。然而，许多组织试图通过为人工智能训练计划提供现成的内容来简化这一挑战。现成的训练数据本质上是一种解决方案，由 [...]
GAO 的发现美国有多种机器学习 (ML) 技术可用于协助诊断过程。由此带来的好处包括更早发现疾病；医疗数据分析更加一致；以及增加获得护理的机会，特别是对于服务不足的人群。 GAO 确定了针对五种选定疾病（某些癌症、糖尿病视网膜病变、阿尔茨海默病、心脏病和 COVID-19）的各种基于 ML 的技术，其中大多数技术依赖于 X 射线或磁共振成像 (MRI) 等成像数据）。然而，这些机器学习技术普遍没有被广泛采用。学术界、政府和私营部门的研究人员正在努力扩展基于机器学习的医疗诊断技术的能力。此外，GAO 还确定了三种更广泛的新兴方法——自主、自适应和面向消费者的机器学习诊断——可用于诊断各种疾病。
Estimating the Effect of Physical Infrastructure on Economic Growth
我有一篇新的工作论文，与世界银行的 Govinda Timilsina 和我的博士生 Debasish Das 合著。这是一项面板数据研究，研究各种形式的基础设施对 GDP 水平的影响。与现有研究相比，我们使用了更新的数据，包括移动电话等新型基础设施，并为发展中国家和发达国家提供了单独的估计值。我们发现的影响比大多数以前的研究都要大。我们还发现，基础设施在最近几年（1992-2017 年）的影响比前几年（1970-1991 年）更大，基础设施在发展中经济体的影响高于工业化经济体。长期影响似乎比最初的影响大得多。我们还试图估计基础设施对经济增长率的影响。控制初始人均 GDP 水平，我们发现结果为
Understanding the differences between Manual & Automatic Data Labeling
如果您正在开发 AI 解决方案，则产品的上市时间在很大程度上取决于能否及时获得用于培训目的的高质量数据集。只有当您手头有所需的数据集时，您才能启动模型的训练过程，优化结果并让您的解决方案为发布做好准备。您知道，获取高质量数据集 […]
Subtleties Of AI Training Data And Why They’ll Make Or Break Your Project
我们都知道，人工智能 (AI) 模块的性能完全取决于训练阶段提供的数据集的质量。然而，它们通常是在表面层面上讨论的。大多数在线资源都详细说明了为什么高质量数据采集对于您的 AI 训练数据阶段至关重要，但有一个 […]
How can you determine the number of neutrons in an atom?
我们如何确定给定原子中的中子数？首先，让我们定义一些您需要熟悉的术语。原子的原子序数是该原子核中的质子数。原子的质量数（也称为核子数）是总 […]如何确定原子中的中子数？文章首次出现在高中/荣誉/AP® 化学资源 | Viziscience。
GAO 发现人工智能 (AI) 工具在以下两个领域显示出增强患者护理的前景：临床 AI 工具在预测患者健康轨迹、推荐治疗、指导手术护理、监测患者和支持人群方面显示出前景健康管理（即改善社区健康结果的努力）。这些工具处于不同的成熟和采用阶段，但我们描述的许多工具（人口健康管理工具除外）尚未得到广泛使用。管理人工智能工具已显示出通过记录数字笔记、优化操作流程和自动化繁重任务来减轻提供商负担和提高效率的前景。这些工具也处于不同的成熟度和采用阶段，从新兴到广泛采用。GAO 发现了围绕人工智能工具的以下挑战，这些挑战可能会阻碍其广泛采用：数据访问。开发人员在获取创建有效的人工智能工具所需的高质量数据方面
What is data operations (DataOps)?
当我撰写有关 AI 的文章时，我经常提到数据操作，以及它对大多数 AI 解决方案的重要性。如果没有适当的数据操作，您很容易陷入这样的境地：处理必要的数据将变得过于困难和昂贵，以至于 AI 业务案例毫无意义。因此，为了稍微澄清一下，我想让您了解它的真正含义。数据操作是以安全且经济高效的方式获取、清理、存储和交付数据的过程。它是业务战略、DevOps 和数据科学的混合体，是许多大数据和 AI 解决方案的底层供应链。数据操作最初是在大数据领域创造的，但在后来几年已成为一个更广泛使用的术语。数据操作是最重要的竞争优势正如我之前在许多帖子中提到的那样，当试图击败竞争对手时，我认为数据操作比算法开发更重要
Covid-19: Data Quality and Considerations for Modeling and Analysis
GAO 的发现COVID-19 大流行的迅速蔓延和严重程度凸显了拥有描述 COVID-19 潜在轨迹的高质量数据、分析和模型的重要性，以帮助了解该疾病在美国的影响美国疾病控制与预防中心 (CDC) 正在与州、地方、学术界和其他合作伙伴合作，使用多个监测系统收集美国境内的 COVID-19 数据。这些监测系统的数据有助于了解疾病，但决策者和分析人员必须了解其局限性，以便正确解释它们。例如，据 CDC 和其他机构称，由于多种原因，报告的 COVID-19 病例数的监测数据不完整，并且低估了真实病例数。有多种方法可以分析 COVID-19 数据产生不同的见解。例如，一些方法可以帮助比较疾病对不同人群
GAO 的发现根据机构官员等利益相关者的说法，机器学习——人工智能 (AI) 的一个领域，其中软件从数据中学习以执行任务——已经用于药物开发，并具有改变该领域的潜力，行业代表和学术研究人员。机器学习应用于整个药物开发过程，可以提高其效率和有效性，减少将新药推向市场所需的时间和成本。这些改进可以通过更快地向有需要的患者提供药物来拯救生命并减少痛苦，并且可以让研究人员在罕见或孤儿疾病等领域投入更多资源。机器学习可以加速药物开发这套技术可以筛选更多化合物并在比当前过程更短的时间内将有前途的候选药物归零。药物开发早期步骤中的机器学习示例包括：药物发现：研究人员正在识别新的药物靶标，筛选用于新治疗应用的
