云计算产业看国家“新基建”

最好的做法是让项目的每一部分都经过检查。正如阿图·葛文德在其《清单革命》(The Checklist Manifesto)中所说：“我们所知事物的数量和其复杂性已经超过了我们能正确、安全、可靠地传达其优点的能力范畴。”

所以，看看这个简洁明了的项目任务表，它将帮你减少工作量，提高产出!

机器学习项目清单

在几乎每个机器学习项目中都必须执行8-10个步骤，其中一些步骤可以按顺序交替执行。

1. 从高层次的角度定义问题

为了理解和阐明问题的业务逻辑，任务表应该告知：

• 问题的性质(有监督/无监督、分类/回归)。
• 可开发的解决方案类型。
• 应该使用哪些指标来衡量性能?
• 机器学习是解决这个问题的正确方法吗?
• 人工解决问题的方法。
• 问题的固有假设。

2. 识别数据源并获取数据

在大多数情况下，如果拥有数据，并且希望定义相关问题以更好地利用传入的数据，可以在第一步之前执行此步骤。

基于问题的定义，我们需要确定数据的来源，可以是数据库、数据存储库、传感器等。对于要在生产中部署的应用程序，需通过开发数据管道来自动执行此步骤，以保持传入数据流入系统。

• 列出所需数据的来源和数量。
• 检查空间是否会成为一个问题。
• 检查你在使用数据上是否被授权。
• 获取数据并将其转换为可行的格式。
• 检查数据类型(文本、分类、数字、时间序列、图像)。
• 取一个样本用于最终测试。