台湾的大学课程演算法相当于大陆的哪门课？

Posted 2023-04-03

我想要申请去台湾交流 选对方的课程来抵我们下学期的学分 可是很多课程的名称不一样 演算法相当于我们的什么课？还有顾客关系管理、数位系统整合、商业智慧系统 我们这边是怎么称呼的？

演算法（Algorithm）是指完成一个任务所需要的具体步骤和方法。也就是说给定初始状态或输入资料，能够得出所要求或期望的终止状态或输出资料。

演算法常常含有重复的步骤和一些比较或逻辑判断。不同的演算法可能用不同的时间、空间或效率来完成同样的任务。一个演算法的优劣可以用空间复杂度与时间复杂度来衡量。

你所列的课程完全跟台湾的演算法无关,一般在电子里头有个单位在做这个,DSP,相信你有听过 参考技术A 就是大陆学校里的算法设计与分析

谷歌推出演算法，加快AI边缘装置效能

谷歌推出EfficientNet-EdgeTPU演算法，加快AI边缘装置效能。EfficientNet-EdgeTPU是针对Coral Dev Board，Tinker Edge T等搭载Edge TPU张量处理器进行最佳化的演算法，能提升神经网路运算效能达10倍，对运算能量有限的边缘装置来说，是相当重要的突破，并能带来更多应用可能性。

透过AI弥补摩尔定律放缓

摩尔定律（摩尔定律）由英特尔创始人之一戈登?摩尔提出，他预测每隔两年积体电路可容纳的电晶体数目会增加1倍，过去数十年，电脑发展都相当契合这条定律。

Google在官方AI研究部落格提到，在半导体制程越来越精进之后，要进一步缩小电晶体的尺寸比以往更困难，因此资讯产业便逐渐将开发焦点转移到硬体加速等特殊应用领域，以持续推动产业发展。

这个现象也发生在AI，机器学习领域，许多研发单位都在致力打造神经网路（神经网络，NN）的加速运算单元，但是讽刺的是，即便应用于资料中心或边缘装置的神经运算装置越来越普遍，但却很少为这些硬体最佳化设计的演算法。

为了解决这个问题，Google发表了EfficientNet-EdgeTPU影像分类演算模型，顾名思义可能到它以及Google自家开源EfficientNets模型为基础，并针对Edge TPU最佳化，以利提升边缘装置在AI运算的效能表现。

▲华硕推出的Tinker Edge T开发板也搭载Edge TPU。

针对Edge TPU最佳化

为了将EfficientNets最佳化，Google的研发团队使用AutoML MNAS框架，并针对Edge TPU的特性调整神经网路的搜索空间（Search Space），同时也整合延迟预测模组，以利预估Edge TPU的运算延迟。

执行运算时，EfficientNets主要采用深度可分离卷积（Depthwise-Separable Convolutions），虽然可以降低运算量，但并不适合Edge TPU的架构，因此EfficientNet-EdgeTPU改采一般常规卷积，虽然会让运算量增加，但还是有较好的整体运算效能。

实际验证的测试中，EfficientNet-EdgeTPU-S代表基本模型，而-M和-L模型则代先采用复合缩放将原始图像调整为最佳解析度，以更大，更准确的模型判读，牺牲延迟换取更高准确度。结果报告显示，无论使用哪款模型，效能与准确度都有出色表现，效能大幅领先ResNet-50，准确度也远高于MobileNet V2。