大数据时代,知识架构“欠”在哪里?
极客时间编辑部
讲述:丁婵大小:2.03M时长:02:13
我国的工业互联网发展正在从概念的普及进入实践的生根阶段,在这一进程中,数据成为重要的基础性战略资源。大数据的充分挖掘和利用,极大促进了全社会要素资源的网络化共享、集约化整合、协作化开发、高效化利用,推动了中国工业发生重大而深刻的变革。
目前,大数据正处于融合发展和变革创新的重要关口:工业数据量激增,互联网、移动互联网、物联网三大生态顺次发展,使得全球数据总量爆发性增长。
天泽智云首席架构师朱武曾经在 InfoQ 的采访中提到,工业数据的多源性、复杂性和动态性强,比如柴油机气缸排气温度,取决于燃油、燃烧、进气温度、封闭性等等原因,导致工业智能背后数据特征提取、建模等层面的技术挑战。因此,特征提取要求在高背景噪声下必须实现准确且快速的降维。
另外,在数据建模及训练层面,工业应用的碎片化、个性化以及结果的专业性,需要建模及训练在整体和个体、通用性和个性化之间取得均衡。
从工程实现的角度,工业智能实现的关键有如下几步:
定义工业场景:问题域所涉及工业场景定义的准确性和完备性决定了该问题在多大程度上被解决的可能性;
数据的完备性和质量:工业现场数据一般带有很多噪声,而数据范围和质量决定了后续处理的难易程度和最终结果的准确性;
智能应用支撑环境:工业智能应用本身就具备碎片化、个性化、专业化的特点,如何提供快速有效的应用实施环境,包括数据环境、模型研发实验环境、应用部署环境等,决定了工业智能应用的推广和客户接受速度。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论