软件工程师与数据科学家如何更好协作？CMU特意上线了这门课程

大数据文摘出品

作者：刘俊寰

你是否有过这样的疑问：

• 如何指定或评估具有AI系统的正确性或有用性？
• 如何分析和减轻错误结果？
• 如何检测不良的数据质量，不良的模型质量和数据漂移？
• 如何确保AI系统的公平性和隐私性？

搓手期待许久的CMU AI系统软件工程课程资料可以解决你这些问题！

根据官方介绍，该课程从主要从软件工程的角度出发，讨论了如何采用由数据科学家开发的想法和模型，比如脚本和Jupyter笔记本，将这些想法和模型部署为可伸缩且可维护的系统的一部分，比如移动应用程序、Web应用程序、IoT设备。

也就是说，这个课程不会把中心放在建模和学习本身，而是假设你已经与数据科学家建立了工作关系，在设计、实现、操作等问题上如何与模型进行交互。

如果你是一个想要了解在使用AI组件方面有哪些具体挑战的软件工程师，或者是一个想要了解如何把原型模型投入生产的数据科学家，这个课程都会对你有所帮助。

在具体的课程安排上，课程使用的教材以Goeff Hulten撰写的Building Intelligent Systems: A Guide to Machine Learning Engineering为主，同时安排有一定的小组讨论和合作项目。

在时间安排上，这门课程共有12单元，也就是说，平均每周在该课程上花费应该要达到12个小时，其中每周上课4个小时，阅读和作业8个小时。

对于作业，超过DDL最多三天，还需要接受一定的惩罚。同时，由于最终成绩由50％的作业、15％的期中考试、20％的期末考试、10％的参与度、5％的阅读测验共同构成，每个环节都将对最终成绩产生一定的影响。

课程安排如下：

链接：

https://ckaestne.github.io/seai/

文摘菌只能帮你到这里了，接下来就靠你自己了，加油鸭ヾ(◍°∇°◍)ﾉﾞ