全文共2754字,预计学习时长11分钟
图源:unsplash
就如同制作米其林菜肴,拥有井井有条的厨房固然重要,但可选择的东西太多也着实让人烦恼,建立良好的机器学习(ML)应用程序也是如此。
所以,小编将重点介绍一些可用于交付专业项目的工具,分享想法和备选方案,并开展一个快速的调查。任何关于工具的讨论给出的选项总是无法穷尽,但下面这几种将是最有用和最简单的。
当然啦,如果你有其他更好的选择,也欢迎在评论区告诉小芯。
(免责声明:本帖未署名,且未受到赞助。小编将数据科学和机器学习两个名词互换使用。)
常见问题
“如何构建优秀的机器学习应用程序?”
与数据科学家、正在寻求转型的专业人员以及团队经理沟通的过程中,这个问题以各种形式多次出现。
交付专业数据科学项目涉及很多方面,实际上它在厨房做饭很相似:有原料(数据)、食谱(设计)、烹饪过程(独到的方法)、最后是实际的厨房(工具)。
本文遍历了小编的“厨房”,重点介绍了在设计、开发和部署全栈机器学习应用程序中最有用的工具——这些解决方案或与系统融合,或能够在生产环境中服务于用户。
势不可挡的可能性
这是最好的时代。如果在谷歌中搜索“机器学习工具”或咨询顾问,可能会得到以下信息:
2019数据&人工智能全景 | 图源:GIPHY
你能得到太多的工具,组合的可能性是无限的,这势不可挡,却也令人迷茫。你需要去缩小范围。但要注意的是,完美的安装依旧不存在,而这取决于用户的需求和限制条件。简而言之,最适合的才是最好的。
小编的优先列表如下(无先后之分):