一個用於資料中心管理和運營的人工智慧(AI)策略，你需要的不僅僅是資料和一些非常聰明的人。如果還要滿足業務的需求，選擇特定的案例並理解那些會影響AI結果的資料型別—然後驗證這些結果—將是人工智慧能否滿足您的業務需求的關鍵。

透過關注特定的案例，可以擴充套件早期的成功，並逐步獲取進一步的價值。管理人員不需要是人工智慧專家，但UptimeInstitute建議資料中心管理人員對正在發展應用的人工智慧建立基本的深度和廣度。讓我們談談關於人工智慧的幾點。

演演算法和模型

演演算法是一系列數學步驟或計算指令。它是一個自動指令集。演演算法可以是一條指令，也可以是一串指令—它的複雜度取決於每條指令的簡單或複雜程度，以及/或演演算法需要執行的指令數量。在人工智慧中，模型是指能夠處理資料並提供對資料的預期響應或是數學模型的結果。例如將演演算法應用於資料集，結果將會是模型。

機器學習技術的三種類型

監督學習:人類提供一個模型和訓練資料，有監督學習的主要目標是從有標籤的訓練資料中學習模型，以便對未知或未來的資料做出預測。“監督”一詞指的是已經知道樣本所需要的輸出訊號或標籤。

強化學習:人類提供一個模型和未標記的資料。強化學習的目標是開發系統或代理，透過它們與環境的互動來提高其預測效能。當前環境狀態的資訊通常包含所謂的獎勵訊號，可以把強化學習看作是與有監督學習相關的領域。

深度學習：它使用多層人工神經網路來構建基於大量資料的演演算法，這些演演算法能夠找到一種最最佳化的方式來獨自做出決策或執行任務。

有些人說，深度學習可以發現更大程度的低效，因為它不受已知模型的約束。另一方面，監督機器學習能做到更加透明(使得領域專家更容易驗證結果)，而且自動化的速度也更快。

一個用於資料中心管理和運營的人工智慧(AI)策略，你需要的不僅僅是資料和一些非常聰明的人。如果還要滿足業務的需求，選擇特定的案例並理解那些會影響AI結果的資料型別—然後驗證這些結果—將是人工智慧能否滿足您的業務需求的關鍵。

透過關注特定的案例，可以擴充套件早期的成功，並逐步獲取進一步的價值。管理人員不需要是人工智慧專家，但Uptime Institute建議資料中心管理人員對正在發展應用的人工智慧建立基本的深度和廣度。讓我們談談關於人工智慧的幾點。

演演算法和模型

演演算法是一系列數學步驟或計算指令。它是一個自動指令集。演演算法可以是一條指令，也可以是一串指令—它的複雜度取決於每條指令的簡單或複雜程度，以及/或演演算法需要執行的指令數量。在人工智慧中，模型是指能夠處理資料並提供對資料的預期響應或是數學模型的結果。例如將演演算法應用於資料集，結果將會是模型。

監督學習:人類提供一個模型和訓練資料，有監督學習的主要目標是從有標籤的訓練資料中學習模型，以便對未知或未來的資料做出預測。“監督”一詞指的是已經知道樣本所需要的輸出訊號或標籤。

強化學習:人類提供一個模型和未標記的資料。強化學習的目標是開發系統或代理，透過它們與環境的互動來提高其預測效能。當前環境狀態的資訊通常包含所謂的獎勵訊號，可以把強化學習看作是與有監督學習相關的領域。深度學習：它使用多層人工神經網路來構建基於大量資料的演演算法，這些演演算法能夠找到一種最最佳化的方式來獨自做出決策或執行任務。有些人說，深度學習可以發現更大程度的低效，因為它不受已知模型的約束。另一方面，監督機器學習能做到更加透明(使得領域專家更容易驗證結果)，而且自動化的速度也更快。