iT邦幫忙

第 11 屆 iT 邦幫忙鐵人賽

DAY 10
0
Google Developers Machine Learning

Google machine learning cloud 實戰系列 第 10

Day 10. Training and serving skew

有許多原因會是你需要透過人工分析資料進而來使用Machine learning,
第一,如果你正在使用人工資料分析,那代表你已經有非常大量的資料,更代表你已經克服了Machine learning專案最花時間且最可能失敗的關卡,所以,如果能夠進行人工資料分析,代表你的專案的成功率已經大幅提升。
第二,即便你現在沒有大量的資料,你更要做人工資料分析,因為人工資料分析可以讓你快速知道這樣的資料能夠成功的可行性,你可能快速的測試出這個想法是失敗的,可以盡快開始嘗試另外一個想法,節省時間。
第三,要建構Machine learning模型,你必須了解你的資料,所以當然你要分析你的資料
第四,Machine learning就是大規模的自動化,如果你可以人工寫程式大規模地做自動化分析,那代表Machine learning就有高機率成功。

實際上,有一個稱為Training serving skew的問題常發生,這問題指的是模型在訓練時的系統跟做預測的系統是不同套,如果兩者間有應該要一樣卻不一樣的地方(Bug?),就會造成問題。Google建議的解法就是,使用相同的系統就可以解決!


很明顯這解法就是在推銷自家的系統


上一篇
Day 9. A data strategy
下一篇
Day 11. An ML strategy
系列文
Google machine learning cloud 實戰30

尚未有邦友留言

立即登入留言