这是我参与[第四届青训营]笔记创作的第 31 天
架构：问题发现和定义，设计解决方案
算法：训练数据收集，算法设计，模型训练，模型压缩转换
工程：模型部署，预测样本采集，推理预测，业务调度，结果应用。

1.什么是端智能技术

端智能：是把机器学习，深度学习算法模型应用和部署到端设备上，'端设备'是相对于云服务而言的，可以是手机，也可以是物联网IoP设备
特点：
低延迟，实时性高。可离线。端设备算力越来越强大。低成本。保护隐私。
端云协同：端智能不是云智能的替代，是云端机器学习的延伸，是要结合云和端各自的优势，在云端之间合理分配任务以获取问题最优解。

2.端智能技术实践案例（手写数字识别和左右手智能识别和应用）

问题--解决方案--机器学习--数据收集--模型设计--模型压缩--模型部署--收集输入--拿到结果
模型压缩：移动端使用的是被优化的推理引擎，可以在不同CPU和GPU架构下更高效的执行模型推理计算。 模型部署：让移动端可以加载到前面转化的模型。
做法：放到APP包体内assets目录下；通过url动态下载，支持动态更新，同时减少包体积
推理预测：指设备上执行TensorFlow Lite模型。TensorFlow Lite将模型的加载和执行分装在interpreter类中。加载模型--构造模型输入---执行推理预测--获取推理运行结果。

左右手智能识别和应用

设计模型：二分类模型，卷积神经网络。
模型训练：训练样本处理，模型训练，验证模型准确度。

3.端智能工程师学习路线

入门：达成对端智能技术有一定认识，可以协作完成端智能技术的需求落地。（了解端智能技术是什么，可以做什么；掌握移动端开发，Machine Learning基础知识，了解业内端智能框架；理解怎么做端智能，可以协作完成端智能技术解决实际问题的需求落地）
进阶：达成对移动端技术，端智能技术和负责业务有更深入的理解，可以站在更全面的视野上设计端上智能解决方案，建设端上智能构架