专栏首页量子位机器学习项目到处都是坑?你需要谷歌的工程实践“葵花宝典”

机器学习项目到处都是坑?你需要谷歌的工程实践“葵花宝典”

原作 Martin Zinkevich Root 假装发自第二个宇宙中心 量子位 出品 | 公众号 QbitAI

泡在机器学习研(ju)究(keng)里的你,可能遇到过以下问题:

  • 这个问题能不能用机器学习方法解决?
  • 特征的选取标准怎么定?哪些特征要保留?哪些特征该弃用?
  • 模型在训练时表现还不错,为什么到了应用环境就挂了?

今天,谷歌开发者推特账号终于上线了《机器学习规则(Rules of Mahchine Learning)》的中文版(撒花.gif)。

这本“葵花宝典”可是汇聚了谷歌大脑高级科学家Martin Zinkevich开发Yoututbe、Google Play、Google Plus等谷歌重磅级产品后的血泪,总共包含43条规则,全文干货满满。

总的来讲,这篇总结的结构大概是这样:

第一部分帮助大家了解,构建机器学习系统之前要明确可实现的目标如何设计;

第二部分介绍了机器学习工程的第一个的阶段:如何部署第一个管道。保证易用的同时,还要单独进行测试,选择一个可观察可归因的简单指标;

第三部分谈到了新特征的添加发布、迭代、如何评估模型,以及如何应对训练-应用偏差;

最后一部分介绍了当大家达到稳定阶段时该怎么做。

文章特别特别强调了做机器学习的工程项目的一个核心理念:

要打造优质的产品,就请把自己看成是一位出色的工程师,而不是一位机器学习专家。

以后再遇到什么问题,回来翻翻这本机器学习工程实践就好。相信你到时会有打通六脉的感觉。

附上《机器学习规则(Rules of Mahchine Learning)》中文版原文:

https://developers.google.com/machine-learning/rules-of-ml/#before_machine_learning

p.s.友情提示:全文一万六千多字,建议先收藏,找个月黑风高没人打扰的夜晚,到PC端上慢慢研读:)

本文分享自微信公众号 - 量子位(QbitAI),作者:懂你为项目操碎心

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-05-19

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • MIT博士小姐姐的机器学习入门教程开课!碎片时间服用,每周一更 | 资源

    现在,两位MIT博士小姐姐搞了一套机器学习入门教程ML Tidbits,以短视频的方式,讲解机器学习中的单个知识点,解释具体的一个问题。

    量子位
  • 谷歌发布了机器学习深度课程,很难毕业的那种 | 这不是MLCC

    如今,以几个月前谷歌的机器学习速成课程 (MLCC) 为基础,两间公司继续联手,发布了一套机器学习专项课程,包含五门课,比以前更加专注于实战了。

    量子位
  • 机器学习到底能替人干哪些工作?《科学》列出了8条评估标准

    唐旭 编译整理 量子位 出品 | 公众号 QbitAI ? 对于AI会取代哪些人类工作的猜测,也许可以暂时停一停了。 最近,两位来自MIT和CMU的研究者在一篇...

    量子位
  • 实用的机器学习问题

    什么是机器学习?我们也许可以阅读机器学习的权威定义,实际上,机器学习由解决的问题来定义。因此,理解机器学习的最好的方法就是看一些例题。

    Bon
  • 理解这九个基本概念,你就初步入门了机器学习

    AI、机器学习、深度学习……你天天都听说这些术语。但是这些东西究竟是什么意思?如何才能让自己看起来像个专家乃至于大师?光来回念这几个名词肯定是不行的,不过你只需...

    刀刀老高
  • 红透半边天的机器学习,你真的需要吗?

    机器学习是什么? 以它最原始的形式来说,机器学习是实践近似函数的艺术,或者说是做出有根据的推测。它与专业人士有相似的概念,比如一名资深管道工会拥有根据查看到的房...

    BestSDK
  • 【科普】精选 7 个生活中的机器学习案例,AI无处不在!

    今天我们就来看看,在日常生活中有哪些最常见的机器学习用例(有时我们甚至没有意识到这些例子涉及机器学习)。本文涵盖了以下常见的机器学习用例:

    昱良
  • 5种云计算所需的机器学习技能

    为了成功采用人工智能技术,组织的IT团队需要开发一些机器学习技能,并了解如何将这些转化为主要云平台所需的技能。

    静一
  • 这场举世瞩目的人工智能听证会,让华尔街何去何从?

    今天的这篇文章想说的太多太多,那就让我们从Marcos Lopez de Prado说起吧!

    量化投资与机器学习微信公众号
  • 如何教会机器读懂设计?

    对于一个智能设计系统,有2个核心的能力,包括感知设计的能力、推理设计的能力。本文重点是机器感知设计能力的介绍。

    mixlab

扫码关注云+社区

领取腾讯云代金券