1. 常用的方法和技术有很多种，具体选择要根据不同的应用场景和需求来定。例如，在图像识别领域，常用的方法包括卷积神经网络（CNN）、支持向量机（SVM）等；在自然语言处理领域，常用的方法包括词袋模型、递归神经网络（RNN）等。此外，还有很多其他的方法和技术，如随机森林、聚类、降维等等。选择合适的方法和技术可以提高算法的效果和精度，也会影响整个项目的进展和结果。

2. 对于机器学习以外的技术，常用的方法包括数据挖掘、大数据处理、分布式系统等。数据挖掘是从大量数据中提取有用信息的过程，常用的方法包括关联规则挖掘、分类与聚类分析等。大数据处理与分布式系统则是针对海量数据和复杂计算任务的解决方案，例如Hadoop、Spark等平台。这些技术可以帮助企业或研究机构更好地利用数据、优化业务和提高效率。

3. 此外，还有一些新兴的方法和技术正在不断涌现，例如深度强化学习、生成式对抗网络（GAN）等。这些技术具有很强的理论创新性和实际应用潜力，在未来可能会成为领域内主流方法。但需要注意的是，这些技术的应用还处于实验性阶段，需要更多的时间和资源进行改进和完善。

IE常用的方法和技术包括时间和动作研究、流程图、模拟仿真、人机工程学、质量管理、供应链管理等。 因为IE主要是研究人机物之间的关系，因此时间和动作研究可以通过对操作过程中每个动作的时间和频率进行研究，进而发现问题并提高效率；流程图可以直观地展现整个生产流程，便于监控和分析；模拟仿真可以通过计算机程序模拟实际情况，从而预测可能出现的情况；人机工程学则是通过人的生理和心理特征来设计适合的工具和工作环境；质量管理能够提高产品质量，而供应链管理则是将供应商、制造商和分销商联系在一起，从而提高生产效率和降低成本。

1 IE常用的方法和技术包括但不限于流程分析、价值流分析、质量控制、精益制造等。

2 这些方法和技术帮助企业分析和改进制造流程、提高效率、降低成本、提高产品和服务质量，进而提升企业市场竞争力。

3 在实际应用中，IE专家可根据不同的企业需求和实际情况运用相应的方法和技术，例如对于制造业企业可以采用工序流程图分析、VRP算法优化物流配送等，而对于服务业企业可以采用顾客体验映射等技术来提升服务质量。