AI技术考量：数据存储、云使用与AI流水线
人工智能
2022-01-21 v1 分布式、并行与集群计算
摘要
人工智能（AI），尤其是深度学习，需要大量数据用于训练、测试和验证。收集这些数据及相应标注需要建立影像生物样本库，以标准化方式提供这些数据访问。这需要根据现行标准和指南进行谨慎的设计与实现，并遵守当前法律限制。然而，仅实现恰当的数据收集不足以训练、验证和部署AI，因为资源需求高，且需要在本地和云上对AI流水线进行谨慎的混合实现。本章旨在通过提供数据存储、云使用和AI流水线中涉及的不同概念与实现方面的技术背景，帮助读者在进行AI环境技术考量时做出决策。
引用
@article{arxiv.2201.08356,
title = {AI Technical Considerations: Data Storage, Cloud usage and AI Pipeline},
author = {P. M. A van Ooijen and Erfan Darzidehkalani and Andre Dekker},
journal= {arXiv preprint arXiv:2201.08356},
year = {2022}
}