部署前

將概念驗(yàn)證(PoC)升級(jí)到部署的因素有很多，例如：

我們在努力解決什么問題?

為什么現(xiàn)在就確定優(yōu)先順序會(huì)成為一個(gè)緊迫的問題?

有哪些數(shù)據(jù)可用?

它首先是ML——可解的嗎?

數(shù)據(jù)有規(guī)律嗎?

這種現(xiàn)象可以重演嗎?

哪些額外數(shù)據(jù)會(huì)提升模型的性能?

一旦我們評(píng)估了使用ML算法可以最好地解決問題，數(shù)據(jù)科學(xué)團(tuán)隊(duì)就會(huì)執(zhí)行探索性的數(shù)據(jù)分析。在這個(gè)階段揭示了許多底層數(shù)據(jù)模式，突出了給定數(shù)據(jù)是否包含豐富的信號(hào)，它還有助于創(chuàng)建工程特征，以加快算法的學(xué)習(xí)過程。

接下來，團(tuán)隊(duì)構(gòu)建第一個(gè)基線模型，通常會(huì)發(fā)現(xiàn)它的性能沒有達(dá)到可接受的水平。一款輸出像擲硬幣一樣好的車型不會(huì)增加任何價(jià)值，這是構(gòu)建ML模型時(shí)的首批挫折之一，也就是經(jīng)驗(yàn)教訓(xùn)。

公司可能會(huì)從一個(gè)業(yè)務(wù)問題轉(zhuǎn)移到另一個(gè)業(yè)務(wù)問題，從而導(dǎo)致疲勞。盡管如此，如果底層數(shù)據(jù)沒有攜帶豐富的信號(hào)，任何AI算法都無法建立在它的基礎(chǔ)上，該模型必須從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)統(tǒng)計(jì)關(guān)聯(lián)，以對(duì)看不見的數(shù)據(jù)進(jìn)行概括。

我是一位愛學(xué)習(xí)的老人！本站主要是些學(xué)習(xí)體驗(yàn)與分享(其中會(huì)引用一些作品的原話并結(jié)合我的一生體會(huì)與經(jīng)驗(yàn)加工整理而成！在此一并感謝！如有不妥之處敬請(qǐng)與我聯(lián)系,我會(huì)妥善處理，謝謝！)我寫的主要是中老年人各方面應(yīng)注意的事兒！退休后我希望通過這個(gè)平臺(tái)廣交朋友，互助交流，共筑美好生活?。。。。?！