知识卡片

普通读书笔记卡 · 3788.q.2 · 生成模型:未记录

深度学习局限

理解等级:中级

评价深度学习应用应检查训练资料是否覆盖目标场景、是否过拟合、换领域后是否有效,以及输出能否被使用者合理理解。制药领域还面临数据获取昂贵、标签可靠性、共享壁垒和隐私限制。书中汇总的是特定历史阶段的批评,不宜把每条争论视为永恒定理;应转化为可测试的任务风险和验证要求。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 人工智能的新时代 从测试集领先到临床有效 · 查看原书依据

      制药行业的关注点更加实际,并具有鲜明的行业特性: ・对数据的需求限制了深度学习的应用:制药公司表示,结构化数据难以获取,成本高昂,并且获取数据的方法往往面临可靠性的问题。 ・竞争造成了数据共享壁垒,重要数据难以大幅积累。由于医疗隐私的限

    参考来源

    - 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》人工智能的新时代,从测试集领先到临床有效(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section03.xhtml) - 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。 - 原始内容:制药行业的关注点更加实际,并具有鲜明的行业特性: ・对数据的需求限制了深度学习的应用:制药公司表示,结构化数据难以获取,成本高昂,并且获取数据的方法往往面临可靠性的问题。 ・竞争造成了数据共享壁垒,重要数据难以大幅积累。由于医疗隐私的限