谁在开发机器学习解决方案?

正在分析哪些类型的数据?

流行的部署平台有哪些?

机器学习 (ML) 是一个热门话题，但许多人仍处于学习曲线或评估 ML 是否适用于其应用程序中。我们最近对电子设计读者进行了一项调查，发现大多数受访者还发现 ML 不适用于他们的应用程序(图 1)。使用人工智能 (AI) 支持来增强他们的产品或使其实用的人数很少，但正在增长。

1.机器学习是一个热门话题，但是很多工程师还在学习这项技术，或者发现它不适用于他们的应用。

1.机器学习是一个热门话题，但是很多工程师还在学习这项技术，或者发现它不适用于他们的应用。

由于数量的原因，某些应用程序已经推动了更广泛的采用，例如使用 Amazon Alexa 和 Apple 的 Siri 等平台在云中进行自然语言处理，以及汽车高级驾驶辅助系统 (ADAS) 等应用程序。回报是巨大的，提供加速的 ML 平台是设计的一部分。

在云的情况下，并行处理音频和视频数据可以很好地利用云资源。利用智能 NIC 等平台为云计算提供服务，使得一些 ML 模型可以驻留在这些适配器中的 FPGA 中。

我发现最有趣的是大多数使用 ML 的应用程序都使用多个传感器(图 2)。再说一次，这应该不足为奇，因为复杂数据集的相关性和分析是深度神经网络 (DNN) 在经过适当训练后可以做得很好的一个领域。