机器学习——简介

一. 机器学习的流程

        1. 将问题表述成机器学习问题。

        2. 数据的收集与处理。

        3. 用数据来训练和调整模型。

        4. 部署模型。

        5. 根据部署的模型来收集新的数据后回到第2步继续训练模型。

二. 机器学习的挑战

        1. 机器学习问题的解决：碰到较难的问题很难处理（无人自助超市、自动驾驶）。

        2. 数据问题：获得大量的高质量的数据很难，和用户隐私有冲突。

        3. 模型训练： 模型复杂度指数性增长，训练模型成本越来越高。

        4. 模型部署： 部署之后可能需要用GPU来进行模型预测，成本太高，并且为保持实时性，需要限制模型的部署大小。

        5. 监控模型：非常长期的过程，数据和用户行为发生变化，模型的预测会变得不一样。

三. 机器学习的使用群体

        1. 数据科学家：做数据挖掘，训练模型，部署模型。

        2. 机器学习专家：对模型进行改动开发，专注模型定制。

        3. 软件开发工程师（SDE）：开发维护大量模型，做数据处理和模型的训练。

        4. 领域专家：对商业和产品有很好的理解，知道如何正确的将机器学习应用于产品。