机器学习目前已经有非常多的应用, 它相比于传统的软件工程, 最大的特点即我们编写的是学习过程, 因此系统能根据数据改善性能. 正因为这种特性, 从嵌入循环神经网络的输入法到嵌入卷积神经网络的摄像头, 机器学习应用已经无处不在. 但在真正做产品时, 我们需要的不是机器学习专家或顶尖的深度学习技术, 而是大量的模型压缩调优, 部署测试和模型交互等. 因此, 在实践中成为一名出色的工程师极为重要.
这篇文章选自谷歌开发者中文博客, 本文档旨在帮助已掌握机器学习基础知识的人员从 Google 机器学习实践中获得一些优秀的经验. 这 43 条法则是在开发机器学习应用中总结出来的, 对工程开发人员有很重要的指导意义.
中文版地址: https://developers.google.cn/machine-learning/rules-of-ml/
英文版地址: http://203.187.160.134:9011/martin.zinkevich.org/c3pr90ntc0td/rules_of_ml/rules_of_ml.pdf
本文介绍了一种机器学习模式, 类似于 Google C++ 模式指南和其他常用的实用编程指南. 如果您学习过机器学习方面的课程, 或者拥有机器学习模型的构建或开发经验, 则具备阅读本文档所必需的背景知识.
术语
在我们讨论有效的机器学习的过程中, 会反复提到下列术语:
实例: 要对其进行预测的事物. 例如, 实例可以是一个网页, 您希望将其分类为与猫相关或与猫无关.
来源: http://www.tuicool.com/articles/AVJvuei