ML应用程序开发面临的一些问题。
监控:如何知道你的数据分布发生了变化。
数据标注:如何快速标注新数据或为新模型重新标注数据。
CI/CD测试:如何保证模型在每次更改后仍然按照预期工作,因为调试模型需要几天的时间。
部署:如何打包和部署新模型或替换现有模型。
模型压缩:如何压缩模型以适应消费类设备,例如 手机
硬件设备:有没有快速且廉价的硬件来运行ML算法。
隐私:如何使用用户数据来训练模型且同时保护他们的隐私。
公司面对的难题:
ML研究人员和软件开发工程师之间缺乏沟通,因为研究团队和软件开发团队是分开的,两个团队之间只通过产品经理或项目经理,直接导致生产效率变长。