Machine Learning最小可迭代产品No.75

最新推荐文章于 2024-10-13 22:47:48 发布

一名叫大蕉的程序员

最新推荐文章于 2024-10-13 22:47:48 发布

阅读量240

点赞数

分类专栏：机器学习文章标签：机器学习 mvp

本文链接：https://blog.csdn.net/u010459192/article/details/78998464

版权

本文探讨了如何设计Machine Learning的最小化可行产品（MVP），建议初期使用现有技术如scikit-learn、Tensorflow等。重点介绍了产品实施流程，包括明确需求、特征量化、模型选型和验证，强调小规模高质量数据的价值。最后，文章提倡快速迭代和使用现成框架以加速产品落地。

摘要由CSDN通过智能技术生成

报告各位首长，我参与的第二个项目顺利上线啦~ 棒棒，又一次感觉自己做的东西是有价值的，这个项目是一个平台类产品，专注于提高线下零售的实施效率，希望后面的迭代会越来越好。但是这个今天跟主题没什么毛关系，今天要跟大家聊聊最近的一点小思考，关于Machine Learning 的最小化可行产品的设计，以及平台化设计，应该是怎么样的。

我在公众号后台看到好多读者大大都留言了 “MVP” 来获取之前做的PPT了，但也很多大大希望我能好好讲讲这个PPT的内容，以及背后设计的思想是怎样的，今天终于有空跟大家细细捯饬捯饬。

什么叫MVP？MVP（minimum viable product，最小化可行产品）概念最早由埃里克·莱斯提出的。MVP的目的——更快的接触客户。按照常规的开发方式，从调研、到设计、到开发再到推向市场，会是一个漫长的过程，而且很难有人会保证成功率。但当换一种方式，以MVP进行小样调研，快速进入市场、接触客户并得到反馈。透过反馈不断修改原型，并进行不断地的迭代开发，极大减少了试错成本。

那么问题来了，一个机器学习的 MVP 最小可行化产品，应该是怎样的？可以分两个方面来看，一是技术的选型，二是产品的实施流程。

关于技术的选型

机器学习其实是一门有非常多年历史的学科，各种算法你可以手写，现在市面上出现的层出不穷的机器学习框架也很多，在做 MVP 的时候要怎么去做决策？是自己写一套框架以有利于自己对业务实施细节的把控？还是使用现有的框架，去踩它们所拥有的坑？设计产品的实施流程的时候，应该怎么权衡，是按照常规的开发方式，从调研、到设计、到开发再到推向市场ÿ