AIGC+电子商务基础与实务 课件 03 了解电子商务技术基础

AIGC+电子商务基础与实务

任务三

了解电子商务技术基础目录01认知物联网和AIoT02了解云计算03了解人工智能的数据服务认知物联网和AIoT01什么是物联网当提到物联网（IoT）一词时，您会想到什么？可能是通过各种各样的传感器，连接一堆物理设备，并通过这些设备收集数据，进行数据交换并充分利用数据。简而言之物联网就是“物物相连的互联网”。物联网的定义随着技术的发展不断拓宽。之前被定义为通过信息传感设备按约定的协议把任何物品与互联网连接起来进行信息交换，以实现智能化识别、定位、跟踪、监控和管理的一种网络。这些传感设备包括：射频识别(RFID)、红外线感应器、全球定位系统、激光扫描器、气体感应器等。而现在物联网的外延已经拓展，被重新定义为通过多种信息技术的结合，实现物体与物体之间、环境以及状态信息之间实时的共享，以及智能化的收集、传递、处理、执行。因此，物联网是通过感知层、网络层和应用层实现物与物、人与物互联的网络。感知层利用传感器、RFID等技术采集数据，网络层通过互联网、电信网络等传输数据，应用层则提供各种智能应用和服务。什么是物联网其实物联网并不是一个新概念，但它依然被列入第三次信息化浪潮的核心技术，一个关键的原因就是物联网的外延在拓宽，能够承载更多的新技术，同时物联网在人工智能的赋能下能够深入到产业领域。物联网与人工智能有什么关系？什么是AIoT？近年来“AIoT”成为高频词，是物联网行业的热门词汇。“AIoT”即“AI+IoT”，指的是人工智能技术与物联网在实际行业应用中的落地融合。理解了这个联合词，其实也就理解了物联网与人工智能之间相辅相成、彼此成就的紧密关系。物联网的最终目的不是简单的设备连接，而是要解决具体场景的实际应用，赋予物联网一个“大脑”，才能够实现真正的万物智联。AI技术可以满足这一需求，AI通过对历史和实时数据的深度学习，能够更准确的判断用户习惯，使设备做出符合用户预期的行为，变得更加智能。因此只有通过人工智能，物联网才能发挥出更大的作用，把应用边界不断拓展，这也是产业互联网发展的核心诉求之一。物联网与人工智能有什么关系？什么是AIoT？同样，人工智能也需要物联网这个重要的平台来完成落地应用。AI的数据只有IoT能够源源不断的提供，IoT提供的海量庞杂的数据可以让AI快速的获取知识，不断训练。现在已有越来越多的行业应用将AI与IoT结合到一起，例如小米、海尔等厂商，相继推出自家的AIoT电视，目的在于将电视作为总控制中心，通过全场景智能，实现对空调、冰箱及洗衣机等智能设备的控制。AIoT已经成为各大传统行业智能化升级的最佳通道，也将成为物联网发展的必然趋势。物联网与人工智能有什么关系？什么是AIoT？在电子商务中，物联网应用广泛：智能仓储与物流：借助传感器和RFID技术，实现库存的精准管理、货物的实时定位与状态监控，以及物流过程的可视化，提升仓储和物流效率。商品溯源与防伪：利用物联网技术为商品赋予唯一标识，记录从生产到销售的全流程信息，消费者通过扫码轻松查询商品真伪和溯源信息，增强消费信任。智能购物体验：通过智能货架和试衣镜等设备，为消费者提供商品信息查询、库存查询和个性化推荐等服务，提升购物体验。了解云计算02什么是云计算“云”实质上就是一个网络，从广义上说，计算资源的共享池叫做“云”，云计算把许多计算资源集合起来，通过软件实现自动化管理，只需要很少的人参与，就能让资源被快速提供。并且可以无限扩展，只要按使用量付费就可以。也就是说，计算能力作为一种商品，可以在互联网上流通，就像水、电、煤气一样，可以方便地取用，且价格较为低廉。云计算是一种按需提供计算资源和信息服务的模式，包括IaaS、PaaS、SaaS三种主要服务模式。IaaS提供计算、存储和网络等基础设施资源；PaaS提供开发、测试和部署应用程序的平台环境；SaaS通过网络提供各种软件应用服务。云计算的技术架构涵盖基础设施层、平台层、应用层和管理层。虚拟化技术实现资源的高效管理和灵活分配，多租户技术提升资源利用率，数据存储与安全技术保障数据的可靠性和安全性。什么是云计算总之，云计算不是一种全新的网络技术，而是一种全新的网络应用概念，云计算的核心概念就是以互联网为中心，在网站上提供快速且安全的云计算服务与数据存储，让每一个使用互联网的人都可以使用网络上的庞大计算资源与数据中心。较为简单的云计算技术服务，包括最为常见的网络搜索引擎和网络邮箱。其他的如：存储云、医疗云、金融云、教育云等等，也已广泛地应用在行业及生活中。云计算与人工智能的关系？云计算不仅是人工智能的基础计算平台，也是人工智能的能力集成到千万应用中的便捷途径。云计算的能力有多强？云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。云计算作为IT基础设施，它是人工智能与大数据之间的桥梁，因为人工智能的优化或者说自我学习，是需要海量数据的输入用于训练的。云计算支撑了人工智能和大数据这些计算存储密集型任务，让信息化、智能化服务无处不在，触手可及。它既是人工智能技术持续更新的重要推手，同时也是获得海量真实大数据的重要方式。云计算与人工智能的关系？云计算是电子商务平台的核心要素，通过云计算平台，创建虚拟服务器，部署电子商务网站或应用。配置弹性伸缩策略，模拟高并发访问场景，观察系统资源的自动调整情况。具体应用包括：弹性计算与存储：根据电子商务业务的流量波动，自动调整计算和存储资源，确保系统稳定运行，应对促销活动等高峰流量。数据备份与恢复：利用云计算提供的备份和恢复服务，保障电子商务数据的安全性和持久可用性，降低数据丢失风险。应用开发与部署：借助PaaS平台，快速开发、测试和部署电子商务应用，提高开发效率和市场响应速度。了解人工智能的

数据服务03了解人工智能的数据服务以上我们学习了人工智能的核心驱动力，了解了促进人工智能发展的其他支撑技术。人工智能进入到落地阶段，智能交互、人脸识别、推荐算法等应用成为了最大的热门，在比拼技术与产业的结合能力时，数据作为AI算法的“燃料”，是实现这一能力的必要条件。大数据具有数据量大、类型多、处理速度快、价值密度低的“4V”特征。它包括结构化数据（如关系数据库中的数据）、半结构化数据（如XML、JSON格式的数据）和非结构化数据（如文本、图像、视频等）。大数据的处理流程包括数据采集、存储、清洗、分析和可视化。常用的分析方法有数据挖掘、机器学习（如监督学习、无监督学习等）和统计分析等。因此，为机器学习算法训练、优化提供数据采集、标注等服务的人工智能数据服务成为了必不可少的一环，这对于人工智能纵深到细分行业和场境应用至关重要。人工智能数据服务就是为AI算法训练及优化提供的数据采集、清洗、信息抽取、标注等服务。了解人工智能的数据服务因此，为机器学习算法训练、优化提供数据采集、标注等服务的人工智能数据服务成为了必不可少的一环，这对于人工智能纵深到细分行业和场境应用至关重要。人工智能数据服务就是为AI算法训练及优化提供的数据采集、清洗、信息抽取、标注等服务。数据采集数据采集，又称数据获取。被采集数据可以是被监测的各种物理量，如温度、湿度、水位、风速、压力等，也可以是各类影音图文信息，如图像、视频、音频、文本等，包括各类生产生活往来记录（交易记录、通话记录、交通轨迹等）等信息数据。采集的工具包括摄像头、麦克风等。

数据标注数据标注是通过数据加工人员（数据标注员）借助标记工具，对人工智能学习数据进行加工的一种行为。如果大多数原始数据是原油，那么数据标注就是把原油提炼为成品油的过程。数据标注的类型通常包括：图像标注、语音标注、文本标注、视频标注等种类。标记的基本形式有：标注画框、3D画框、文本转录、图像打点、目标物体轮廓线等。举个简单的例子，我们在聊天软件中，通常会有一个语音转文本的功能，这种功能的实现大多数人可能都会知道是由智能算法实现的，但是很少有人会想，算法为什么能够识别这些语音呢，算法是如何变得如此智能的？其实智能算法就像人的大脑一样，它需要进行学习，通过学习后它才能够对特定数据进行处理、反馈。数据标注——语音标注。模型算法最初是无法直接识别语音内容的，而是经过人工对语音内容进行文本转录，将算法无法理解的语音内容转化成容易识别的文本内容，然后算法模型通过被转录后的文本内容进行识别并与相应的音频进行逻辑关联。也许会有人问，那么不同的语速、音色模型算法怎么能够分辨呢。这就是为什么模型算法在学习时需要海量数据的原因，这些数据必须覆盖常用语言场景、语速、音色等，全面的数据才能训练出出色的模型算法，便于理解。数据标注——图像标注。图像标注和视频标注按照数据标注的工作内容来分类的话其实可以统一称为图像标注，因为视频也是由图像连续播放组成的（1秒钟的视频包含25帧图像，每1帧都是1张图像）。现实应用场景中，常常应用到图像数据标注的有人脸识别以及自动驾驶车辆识别等。就拿自动驾驶来说，汽车在自动行驶的时候如何识别车辆、行人、障碍物、绿化带、甚至是天空呢？图像标注不同于语音标注，因为图像包括形态、目标点、结构划分，仅凭文字进行标记是无法满足数据需求的，所以，图形的数据标注需要相对复杂的过程，数据标注人员需要对不同的目标标记物用不同的颜色进行轮廓标记，然后对相应的轮廓打标签，用标签来概述轮廓内的内容。以便让模型能够识别图像的不同标记物。如对商品图片进行分类标注，为后续的机器学习和数据分析提供标注数据。

数据标注——文本标注。与之相关的现实应用场景包括名片自动识别、证照识别等。文本标注和语音标注有些相似，如对文本评论进行情感倾向标注等，都需要通过人工识别转录成文本的方式。数据标注是深度学习技术催生出来的新职业，而数据标注员从事的是人工智能时代的信息处理工作。当技术的进步大幅提升了数据处理的效率，人的作用将从原来的重复劳动变成监督和辅助机器学习，职业要求和内涵也将发生重大变化。数据分析数据分析是是指用适当的统计方法对收集来的大量数据进行分析，提取有用信息和形成结论。在实际生活中，数据分析可帮助人们作出判断，以便采取适当行动。典型的数据分析包含以下三个步骤：探索性数据分析：当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合，去寻找和揭示隐含在数据中的规律性。模型选定分析，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。推断分析：通常使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。数据分析大数据在电子商务中的应用日益广泛，但数据质量和数据挖掘效率是影响其价值的关键因素。其应用范围包括：用户画像与精准营销：通过收集和分析用户的行为数据、购买历史等信息，构建用户画像，实现精准的商品推荐和个性化营销活动。供应链优化：分析销售数据和市场趋势，预测商品需求，优化库存管理和采购策略，降低供应链成本。商品关联推荐：挖掘商品之间的关联关系，为用户推荐相关商品，提高购买转化率和客单价。未来随着算法需求越来越旺盛，由机器持续学习人工标注，提升预标注和自动标注能力对人工的替代率将成趋势。当技术的进步大幅提升数据处理效率的同时，数据标注师如何变成人工智能训练师，新技术在取代人力的同时也带来了新的职业路径和新的职业要求。阶段1：电商商品基础标注与团队协同（入门实训）

——外卖商品图像分类标注标准化流程实训目标：

掌握LabelStudio项目创建、标签模板配置与任务分发

完成电商食品图像分类标注（主体框+类目）

理解团队标注中的冲突解决机制

工具全流程操作：从数据导入到标注结果导出

标准化意识：遵循企业级标注SOP（标准作业程序）

协同标注能力：处理多人标注冲突的合并策略任务要求：

标注项目JSON配置文件（含标签体系设计）

团队标注冲突解决记录表（附合并逻辑说明）阶段2：服饰多属性标注与AI质检（进阶项目）

——服装商品细粒度标注与自动化质检规则开发实训目标：

实现服饰多层级标签标注（品类/颜色/适用场景）

配置自动化质检规则提升标注一致性

与CV模型联调验证数据质量

复杂结构标注：嵌套标签、属性逻辑校验

工程化思维：通过规则引擎减少人工检查成本

模型调优能力：分析标注错误对模型的影响路径任务要求：

带逻辑约束的标注模板配置文件

自动化质检规则脚本及错误案例报告阶段3：标注数据驱动选品决策（跨学科应用）

——商品视觉特征与用户点击率关联挖掘实训目标：

结合标注数据与用户行为日志（模拟数据）

构建视觉特征影响力模型，输出选品建议

数据融合能力：结构化与非结构化数据关联分析

商业建模能力：逻辑回归/RFM模型应用

决策输出能力：将技术指标转化为运营策略

任务要求：

数据关联分析JupyterNotebook（含可执行代码）