有人在我們的機器上搜尋了“咖啡”，而我們的機器必須根據這個人的資訊來推薦他咖啡，例如地點·餐廳評價·此人位置·此人位置距離某咖啡廳的路途·咖啡廳資訊....
機器該如何推薦呢？也許我們可以寫程式用很多的rule來判斷，但以一個AI-first的公司，當我們蒐集到夠多這樣的使用者資料後，可以直接淘汰掉那寫一堆rule的方法，用一個ML模型來學習這些蒐集到的資料，完美！
這篇提到了一個實際的例子，一個產品的演變過程。但我覺得重要的還是搜集資料的階段，影響結果的成敗。所以rule-base的演算法在初期也是很重要的。光有超強的ML演算法，卻無法蒐集到有用的資料並有正確的label，這個產品應該也是胎死腹中。所以我認為最最重要的還是產品的business model（或者說，創意）！
演算法什麼的都是浮雲。
iThome鐵人賽
看影片追技術