耶~ 我還堅持住，比我的減肥之路還要持久 \(=w=)/

今天來談談如何從0到1建立一套 Machine Learning 專案:

想像你是一家公司的苦命 RD，今天老闆突然丟一份專案叫你把 Machine Learning 應用在客服系統上，這時你會想如何來完成這項艱難的任務?

先不說大家了，像我這種純正的理工木頭一定是想說，把過去的資料全部拿過來整理成一個漂亮的資料庫，再用各種 RD 技能開滿點做出強大的模型去訓練，最後產出我們理想的結果，買個咖啡打完收工。但開發一項好的產品並沒有我們想的那麼簡單，錯誤的分析方向就算你的預測結果再好，顧客們不買單你也只能摸摸鼻子走人，還要被老闆幹說你做這什麼鬼東西，RD 的尊嚴一下就蕩然無存~

因此，這邊 Google 的課程提出一套 ML 產品化的 SOP 給大家參考 :

總共分成以下五步驟:

1. Indivisual Contributor (發想)
2. Delegation (彙整發想，整理成一套規則)
3. Digitization (數位化)
4. Big Data and Analytics (大數據分析)
5. Machine Learning (ML 產品個人化、自動化)

以下就這五面相來一一座說明

1. Indivisual Contributor

這邊是一切的開始，團隊中可以天馬行空地去亂想，提出所有解決方案的可能性，這時團隊成員間可以互相去評斷各方案的可行性，若有錯誤盡早修改。這一步也是產品 prototype 的誕生之地，相當重要~

Danger of skipping this step:

• 你們一開始就有錯誤的假設了，導致和顧客漸行漸遠
• 產品無法更宏觀的解決問題

Dangers of lingering too long here:

• 你的發想無法在期限內組織好，會被 PM 追殺
• 可能你團隊的成員被挖腳走了，然後他又是 AI 大神之類的狀況發生~

2. Delegation

之前的步驟已經想出初步的解決方案了，那麼接下來你就需要更多人來給予你一些建議或回饋，就好比說公司的想開發一套產品給設計師，那你就需要幾百位甚至千位設計師的回饋，來對你所提出的專案來做調整，以符合他們最真實的需求:

Danger of skipping this step:

• 無法讓你 prototype 的想法更加具體化，你都難理解了，電腦有怎麼理解
• 你的產品無法滿足你目標族群的需求

Dangers of lingering too long here:

• 很燒錢，你要請那麼多設計師訪談，他們也不都是佛心來著的
• 又多受試者代表越多聲音，你這套系統要完全滿足他們是不可能的

3. Digitization

終於進入到電腦系統了，而這通常是服務自動化的第一步，就算你有再好的 Machine Learnig Model，沒有給使用者一個好的使用平台那也是無用，而這邊通常和 UI/UX 有很大的關係，有好的體驗顧客才會買單

Danger of skipping this step:

• 沒有基礎設施，你的 Machine Learning 根本沒地方跑，想像一個網頁白底黑字會有人想瀏覽嗎

Dangers of lingering too long here:

• 你的競爭對手已經做完在收集資料了，你還在那邊慢慢來，那你還是打包回家吧~

4. Big Data and Analytics

這時你的產品有了平台使用，你可以開始監控平台上的所有資料，並針對這些資料不停的 review, summarize, deep dive ，並從這些數據分析出 insight 來讓我們的產品變得更好。到了這一步，就不像前面都是我們在推斷使用者想要什麼，而是使用者透過他們的數據，來間接告訴你他們想要什麼，而如何從數據中找到資訊這就是 Data Analyst 的本領了

Danger of skipping this step:

• 如昨天所述，好的 Input 才有好的 Output，這邊沒把多餘的資料去除，那你很難訓練好你的 ML model
• 你無法得知你的產品到底好不好，有沒有人買單

Dangers of lingering too long here:

• 自我限制問題的複雜度，也許現在你能分析出所有問題，並且也都能解決，但你確定能在之後技術日新月異的未來，你的產品始終能位居第一嗎?

5. Machine Learning

到了最後，你有大量的資料進來，也從數據分析中找出一些 Insight，那麼你就使用這些資源來訓練你的 Model，讓產品能更加自動化(automatic)，且更能貼近每位使用者的需求(personalize)

ok，今天就到這吧，其實我也是在前兩個月實習中體悟到，RD 不能再只用 RD 的思維想事情，這會局限你的思考，今天上這 Coursera 也是呼應到我實習的所見所聞