一只小狐貍帶你解鎖 煉丹術&NLP?秘籍

前言

在接到一個新項目的時候，對其進行合理的安排和規劃往往會有事半功倍的效果。

下面是從規劃30 多個機器學習項目的經驗中，提煉出的一個簡單有效的checklist。一起來看看叭~

項目動機

明確你的項目的更廣泛的意義。

• 你要解決的問題是什么？What is the problem you want to solve?

• 相關聯的目標策略是什么？

如果項目團隊不理解你的動機，那么他們就很難提出好的建議。有很多方法可以解決機器學習的問題。所以幫助你的團隊以你最感興趣的方式工作——退一步告訴他們為什么這個項目是重要的。

問題定義

• 你想要預測的具體輸出是什么？

對于給定的輸入，你的機器學習模型將理想地學會預測非常具體的輸出。所以這里你要盡可能的清楚。“預測機器故障”可能意味著很多事情 —— “告訴我，在未來24小時內，意外停機的風險何時增加 50%以上”更好。

• 你的算法有什么輸入數據？

模型預測輸出的唯一方法是從模型的輸入因子中派生出來。所以，為了有機會做出好的預測，你必須有與輸出相關的數據。數據越多越好。

• 什么是預測你的具體輸出的最相關因素?

算法不能理解我們的世界。重要的是，你要給數據科學家一些提示，告訴他哪些數據實際上是相關的，這樣他就可以用算法能夠理解的方式選擇和分割數據。

• 你能提供多少訓練樣本 ?

一個算法需要的練習比一個人要多得多。你最少需要 200 個樣本。越多越好。

性能度量

你怎么知道什么是好的結果？

• 你有一個簡單的基準測試來比較你的結果嗎?

有沒有一種簡單的方法來利用你已有的數據進行預測？也許你可以根據去年的數字預測銷售額，或者通過計算客戶上一次登錄后的天數來評估客戶離開的風險。一個簡單的基準測試可以為你的團隊提供有價值的問題洞察力。它給你一些東西來衡量模型。

• 你將如何衡量預測的準確性 ?

• 你期望的最低準確度是多少?

你希望預測的準確率平均在 5% 以內，還是更重要的是預測誤差不超過 10%？你的模型可以以任何一種方式進行調優。哪種方式更好取決于什么對你來說是重要的。

• 一個完美的解決方案是什么樣的？

即使這對你來說是顯而易見的，把它寫在紙上也能幫助你理清思路。

• 是否有參考解決方案(如研究論文)？

如果有人以前解決過類似的問題，就把他們的解決方案當作靈感。這為每個人提供了一個共同的起點，這樣他們就可以看到要使用哪些數據，可能會出現哪些問題，以及要嘗試哪些算法。

時間線

一個性能驗證項目的時間線示例。

• 是否有截止日期需要注意？

• 你什么時候需要看到第一個結果？

• 你想什么時候有一個完整的解決方案？

人工智能解決方案可以無限地改進。明確的最后期限有助于讓團隊集中精力。

聯系人

• 誰負責項目(PM)？

• 誰可以授權訪問數據集？

• 誰能幫助理解當前的流程和/或簡單的基準測試(領域專家)？

在一個項目的過程中會出現許多問題。明確你的工程師可以向誰求助。

合作

• 在業務和工程團隊之間建立一個雙/周的更新。

每周安排一次會議來查看當前的結果，并討論那些不需要通過電子郵件來回答的問題。

• 應該涉及誰 ?

• 他們應該學什么？

在學習如何管理人工智能方面，沒有什么比實際項目的實踐經驗更有價值。如果你想讓你的團隊的其他成員學習，從一開始就要說清楚。

• 定義代碼和問題的位置以及如何訪問代碼。

讓所有的開發從一開始就透明。這樣任何人都可以很容易地加入，給出提示，并檢查進展。

回答這個清單上的問題，并與大家分享

世界仍在研究如何最好地運行人工智能/機器學習項目。填寫這份清單將會給你所有成功的機器學習項目的要素之一：理解。

可

能

喜

歡

• 斯坦福大學最甜網劇：知識圖譜CS520面向大眾開放啦！

• Google|突破瓶頸，打造更強大的Transformer

• ACL2020|對話數據集Mutual：論對話邏輯，BERT還差的很遠

• ACL2020|FastBERT：放飛BERT的推理速度

• LayerNorm是Transformer的最優解嗎？

• 13個offer，8家SSP，談談我的秋招經驗
  

夕小瑤的賣萌屋

_

關注&星標小夕，帶你解鎖AI秘籍

訂閱號主頁下方「撩一下」有驚喜哦

總結

以上是生活随笔為你收集整理的如何做机器学习项目规划？一个事半功倍的checklist的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。