前言

希望週末多農些文章!

主題

1.6~1.8 Farming an ML Problem

這整章主要著重於去思考在各領域的應用中，如何將Machine Learning導入應用? 如何建構出一項應用的問題? 然後，從這些問題延伸出各項子問題，最後，在提出問題的過程中，不知不覺就規劃出一項Machine Learning專案的藍圖骨幹。
首先，羅列出六項當紅的領域作為參考(如上圖)

• 製造業
• 零售業
• 生醫
• 旅遊
• 金融
• 能源

接著給出三大核心問題:

1. 如果這是一項 Machine Learnig 的問題?

• 要進行什麼樣的預測?
• 會需要什麼樣的資料?

2. 如何用軟體思維去解析這項 Machine Learning問題?

• 需要什麼樣的API去處理這樣的預測問題?
• 如何使用這項服務?現在的人事如何處理這項問題?

3. 這項 Machine Learning 中，會需要處理什麼樣的資料?

• 需要分析什麼樣的資料?
• 需要預測什麼樣的資料?
• 需要應對什麼樣的資料?

在台灣這個醫療水平算高，診所林立的地方，醫療資料其實非常充足，能夠做很多事情。
健保瀕臨破產壓力之下，降低醫療浪費是一項重點，從非專業的角度來看，藥品使用量的控制或許能夠降低許多成本。想像平常去診所拿藥，有時候病徵沒了卻還有好幾包藥，或是民眾喜歡拿一堆藥放著"保平安"，無形中累積了巨大的浪費。
1-1 進行藥品使用量的預測
1-2 病人領藥的紀錄、疾病種類、藥品、劑量

2-1 醫生可以輸入病人特徵(男女、年紀、體型)、疾病種類、使用的藥品等，得到建議的劑量與開藥時程
2-2 現在主要都是依賴醫生經驗判斷

3-1 可以先從較普遍的感冒等疾病著手，從可以取得的資訊(季節、區域、病人特徵)，分析可能影響劑量與用藥時程的因素
3-2 預測建議的藥品使用量與用藥時程
3-3 醫生得到建議用量後，能依照建議用量在規定範圍內做增減，若要超出範圍則需輸入原因，藉此降低藥品被濫開的行為