iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 2
0
Google Developers Machine Learning

Machine Learning Day30系列 第 2

[Day02] AI應用思考問題

  • 分享至 

  • xImage
  •  

AI看起來有這麼多應用,
但是真正應該深入思考的問題是什麼?
到底所在的領域有可能會用到嗎?

來自Coursera的課程How Google does Machine Learning,
其中一個章節Framing an ML problem提及,
目前各領域可能的應用:

如果你有一個機器學習的問題,
可以思考以下問題:
(1) 你想預測什麼?
(2) 你需要什麼資料?

想像一下軟體問題,
(3) 預測的時候,需要什麼API?
(4) 誰會需要這個服務?他們現在怎麼做?

思考一下資料問題,預測資料的動作,
包含蒐集、分析、預測、反應等。
(5) 我們需要分析什麼資料?
(6) 我們要預測什麼資料?
(7) 我們對這些資料該如何反應?


以下不專業分享個人想法,
如果你有一個機器學習的問題,
(1) 你想預測什麼?
Uber Eat最佳路徑預測
(2) 你需要什麼資料?
交通流資訊、天氣資訊、路段資訊等

想像一下軟體問題,
(3) 預測的時候,需要什麼API?
需要串接「交通局即時路況API」、「氣象局氣象開放平台API」、「Uber Movement路段行駛時間API」來取得資料
(4) 誰會需要這個服務?他們現在怎麼做?
Uber Eat司機,在Uber早期,使用了一系列路徑引擎的組合(包括OSRM)來做ETA。

思考一下資料問題,預測資料的動作,
包含蒐集、分析、預測、反應等。
(5) 我們需要分析什麼資料?
「路段資訊、交通流資訊」可以先分析各週路段的平均行駛時間,
「天氣資訊」可以先分析未來一周可能的降雨機率。

(6) 我們要預測什麼資料?
預測某A點到B點的平均行駛時間,需要區分尖峰和離峰時段。

(7) 我們對這些資料該如何反應?
可以選擇最佳路徑行走,但是可能還需要考慮一些bias,例如遊行、路障等。


以上,打完收工。


上一篇
[Day01] 為什麼學AI
下一篇
[Day03] 人工智慧、機器學習、深度學習
系列文
Machine Learning Day3026
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言