斯坦福21秋 实用机器学习（李沐）1. 课程介绍、数据获取、网页抓取、数据标注

 机器学习项目流程

 1. 把问题变成机器学习的问题

有的问题挺难的：叠衣服、开车

有些看似难得机器学习却容易做：翻译、

在工业界，很多问题多少会有一点自己特有的地方，需要对整个ML算法，能够做什么事 有个比较比较全面的了解

2. 收集数据、处理数据

3. 训练、调参

4. 模型部署到线上

5. 关注模型的性能：持续监控模型的预测的精度、线上延迟、...

例子：预测这个房子的价格、预测数字 是一个叫做回归的问题。

可能一开始不会去试任何什么特别高大上的深度学习的模型，我肯定是来训练一个比较简单的模型，比如说我就训练一个最简单的线性回归，主要是用来测试我的整个数据是怎么样子，用一个简单模型来测试数据的好坏

实务上可能会面临的问题：

数据的分布会发生变化，很有可能你在一些数据上训练一个模型，再去另外一个地方预测的话会有问题

比如说你在一个网站上，用户群体在发生变化的话，比如说你以前是一些比较年龄小一点的用户，整个用户的行为是不一样的

你在之前的数据上训练的模型在新的地方肯定是有问题，

或者是说你之前训练的模型&#x