一种基于大数据驱动的人工智能模型训练方法

本发明公开了一种基于大数据驱动的人工智能模型训练方法，包括如下步骤：S1、采集并标准化多源训练数据，构建结构化数据集并划分训练批次；S2、分析训练批次与整体数据的分布差异，判断数据漂移状态；S3、根据漂移状态选择优化器，稳定时使用改进型AdaBelief优化器，不稳定时使用Yogi优化器；S4、使用选定优化器进行训练，划分结构化参数组并基于梯度残差计算动量状态；S5、结合动量状态与漂移状态调整学习率并更新参数；S6、当存在时间依赖特征时设定滑动窗口控制参数更新；S7、训练结束后执行参数压缩与转换，生成推理参数集合；S8、输出训练模型与推理参数。本发明提升人工智能模型在复杂数据环境下的训练稳定性与推理部署效率。