iT邦幫忙

第 11 屆 iT 邦幫忙鐵人賽

DAY 4
0

接續著上次定義好的問題,需要制定策略去解決它~

先是我們可以得知有不少的實務應用在影像辨識、自然語言辨識等等,然而在細一點看到具體的商業應用,藉由影像辨識的技術我們能讓機器學著從不同角度、片面的照片得知汽車名稱、廠牌甚至價位,自然語言的辨識令商家自動化的應對email來信或即時訊息,因此我們針對自己定義好的問題,要「客製化」我們的ML模型以建立API

好,那麼策略是什麼的策略?ML策略?根本看不明白阿,或許先了解到ML與資料、數據間的關係會更好理解。

"Machine Learning is Rocket engine and data is a fuel"

ML能帶著我們去達到目的地,然而它需要大量的data來驅動,此外這些數據不單要充足的數量也要多樣,藉由這些數據我們才能不斷的改進ML模型,不斷的讓機器去學習,比起先搞一個複雜的模型不如蒐集更多數據吧!數據是影響能不能前進的關鍵,換句話說

"Machine Learing Strategy is a Data Strategy"

既然都這麼喊了總該要多講些Data Strategy解釋一下策略像個怎麼樣了,課程中提及一個成功使用ML的經驗,有關全球捕魚活動的監控網站,以往它們靠人為分析得出捕魚的路程,現在運用ML以至能每天分析高達2200萬個數據點(data points)。


上一篇
Day3 定義問題
下一篇
Day5 How Google does ML
系列文
想使自身成長就先從連續30天的機器學習開始吧!31

尚未有邦友留言

立即登入留言