通过来自实践研究和电影的简单明了的例子解释了如何训练神经网络。没有编程代码和深入的知识微软项目盆景标志视频中讨论的技术不仅用于科学研究还用于解决应用业务问题。例如平台使用帮助自动化流程和设备。任何专家都可以使用该平台即使不具备人工智能编程数据处理和分析领域的知识。还可以连接到以帮助训练。通过在虚拟环境模拟模型中执行此费时间例如由于设备停机或工厂计划。
通过训练算法您将能够在实际过程和设备控制系统中实施它们。了解有关使用和的更多信息专家系统优化蒙特卡洛方法所有这些方法都有助于使用可用数据解决任务。但这些方法是有限的。反过来人工智能算法会考虑所有数据并 电话号码列表 灵活响应场景和系统行为的变化。他们还可以评估哪种解决方案不仅在给定的时间是最好的而且对于整个研究情况都是最好的提前计算其发展的许多步骤。
人工智能教学的困难在研讨会上提出了训练算法的资源强度问题。机器学习是改进和管理系统的好工具但它需要大量资源。培训可能需要高性能计算机和电力而且需要很长时间。为了解决这个问题肯斯建议使用云计算以及模块化和引导式机器学习。微软机器学习方法模块化学习和引导式机器学习机器教学是微软提出的解决方案有助于应对人工智能算法训练的资源密集型问题。肯斯安德森谈到了如何通过将复杂问题分解为单独的子任务来帮助算法更有效地学习并快速找到解决方案这就是模块化学习。