Machine Learning Project
Aim:try to build a workflow for a machine learning project
Example: alexa
step：collect data - train model - deploy model
data science 可以针对不同环节上的用户行为差异去做分析，比如卡在了那个page，哪个flow可以做优化，button的ABtest
而machine Learning可以自动筛查符合标准的简历，大数据推荐
DS可以做农作物分析，什么时候种植。 ML识别农作物
AI project
diea： 商品设计图匹配畅销商品库 测试热卖可能性
技术层面考虑 technical diligence
能不能实现
需要多少数据
需要多久工程时间
商业层面考虑 business diligence
低廉成本
利润增加
新产品和业态
道德价值层面考虑
重要的是制定准确率标准
使用training set 训练
test set一般需要两个
避免期待百分百准确性的AI
ML frameworks：
PyTorch
TensorFlow
Hugging Face
Paddle Paddle
Scikit-learn
R
Research publications:
Arxiv
GitHub
edge deployment
自动驾驶里常用 不上传云端 处理器和收集数据器放在一起
缩短反应时间
GPU一般用作图形处理 但算力比较强 所以做复杂神经网络学习时很需要
这周的课程主要介绍作为公司的角色怎么思考AI的作用，更像是在为公司与AI团队间的合作做破壁，告诉公司如果要调动AI团队，那么就需要一些投喂一些可靠的数据，运作之后会再需要一次数据做测试。并告诉公司角色，AI的局限性，以及什么时候该选择ML，什么时候用DS。
train model -deploy model
Comments