導(dǎo)讀

如果你想要用機器學習來做一些事情，這里列出了 4 件最重要的事情。

如何確保你的項目保持在正軌上。

如果你是產(chǎn)品經(jīng)理，想要用機器學習來做一些事情，這里列出了 4 件最重要的事情：

1. 優(yōu)先考慮工程而不是數(shù)據(jù)科學

一個機器學習項目首先是一個軟件項目。許多數(shù)據(jù)科學家在構(gòu)建架構(gòu)良好、可靠、易于部署的軟件方面缺乏經(jīng)驗。當你構(gòu)建一個生產(chǎn)系統(tǒng)時，這將成為一個問題。

根據(jù)經(jīng)驗，**工程師掌握數(shù)據(jù)科學技能的速度要比數(shù)據(jù)科學家掌握工程經(jīng)驗的速度快。**如果有疑問，請與擁有 5 年以上經(jīng)驗、對人工智能充滿激情的 python 工程師合作，而不是首次嘗試構(gòu)建商業(yè)應(yīng)用的數(shù)據(jù)科學博士。

2. 保持高效

盡早降低風險很重要。用具體的里程碑來組織你的項目：

完成原型：查看你的想法是否有希望在 1-2 周內(nèi)完成

離線測試系統(tǒng)：對模型進行調(diào)優(yōu)，并在 2-4 周內(nèi)對現(xiàn)有數(shù)據(jù)進行嚴格測試

在線測試系統(tǒng)：最終確定模型并在 2-4 周內(nèi)進行測試

上線：自動化數(shù)據(jù)更新、模型訓(xùn)練和代碼部署 2-4 周

持續(xù)改進：(可選)12 個月

總時間：1-3 個月

一個有經(jīng)驗的團隊應(yīng)該能夠為幾乎所有的項目遵循這些時間表。讓團隊在 1-3 個月內(nèi)建立一個實時系統(tǒng)。上線后，再決定是否值得進一步改進。

這些誘惑會不必要地延長你的項目：

等待完美的數(shù)據(jù)

使用錯誤的工具(太復(fù)雜或太慢)

可擴展性的過度工程化

無休止地玩弄算法(見下一點)

3. 算法不重要

機器學習系統(tǒng)有很多有趣的按鈕可以使用。不要這么干。

這些改進值得花時間(按重要性排序)：

獲取更多(相關(guān))輸入數(shù)據(jù)

對數(shù)據(jù)進行更好的預(yù)處理

選擇正確的算法并進行正確的調(diào)優(yōu)。

算法是最不重要的因素。簡單地選擇一個可行的算法。無休止地升級算法是很誘人的，但它可能不會提供你期望的結(jié)果。

4. 交流，交流，交流

分享盡可能多的業(yè)務(wù)場景

一旦工程團隊開始構(gòu)建，他們必須做出許多選擇。他們越了解你的輕重緩急，就越能做出正確的決定。至少，你應(yīng)該告訴他們：

戰(zhàn)略重點

這是一個關(guān)鍵的問題嗎？它是否需要每天處理數(shù)百萬個請求？這是不是一個未來產(chǎn)品的研究？

目前的問題

目前處理流程是否太長？是不是太不準確了？還是有很多數(shù)據(jù)沒有機器學習就無法計算？

輸入和輸出

輸入：你(作為一個人)將使用哪些數(shù)據(jù)來做出正確的決策？輸出：誰將使用輸出？使用的頻率？它需要是實時的嗎？

性能指標

最重要的指標是什么：點擊率？銷售？投資回報？假陽性？

預(yù)計精度

如果你想要優(yōu)化轉(zhuǎn)化率，那么它可能不值得再花 2 周的時間來獲得 2%的準確率。如果你建立了醫(yī)療診斷系統(tǒng)，那么即使是 1%的假陰性也是不可接受的。

TL;DR

工程優(yōu)先于數(shù)據(jù)科學。

通過精益來降低風險。

不要被算法分心。

與開發(fā)人員共享所有業(yè)務(wù)需求。