l1正则化和l2正则化有什么区别，为什么？

L1和L2正则化的目的都是使模型系数尽可能小，从而解决模型的过拟合问题。他们的区别在于，l1正则化限制模型系数的l1范数尽可能小；l2正则化限制模型系数的l2范数尽可能小。即，L1会趋向于产生少量的特征，而其他的特征都是0，而L2会选择更多的特征，这些特征都会接近于0。

数据标注多久能上手？

　　不难学

　　Ai数据标注主要是针对语音、图像、文本等进行标注，主要通过做标记、标重点、打标签、框对象、做注释等方式对数据集作出标注，再将这些数据集给机器训练和学习。一般新手接触1-7天就可以顺手操作流程进行数据标注任务。根据项目难度不同有的一小时可以打几百个框，有的一小时可能打上千的拉框。也根据个人的熟练度有关，一般上手的员工一天的报酬可能拿到200-500左右。

　　当然在众包平台接单实现这样的收益可能有一些难度，在正常的项目方中熟手可以很容易达到这个程度。

l1和l2正则化的区别

l1和l2正则化的区别是：

　　1、L1是模型各个参数的绝对值之和。L2是模型各个参数的平方和的开方值。

　　2、L1会趋向于产生少量的特征，而其他的特征都是0，因为最优的参数值很大概率出现在坐标轴上，这样就会导致某一维的权重为0，产生稀疏权重矩阵。L2会选择更多的特征，这些特征都会接近于0。

　　3、最优的参数值很小概率出现在坐标轴上，因此每一维的参数都不会是0。当最小化||w||时，就会使每一项趋近于0。