iT邦幫忙

2021 iThome 鐵人賽

DAY 1
0
AI & Data

後端工程師的ML入門理解與Vertex AI系列 第 1

前言 | ML#Day1

AI和資料科學在最近幾年是非常火紅的話題,日常已經可以隨處可見各種廣告或者企業將AI掛在嘴邊,聲稱其應用採用AI人工智慧,幫助產品或者使用方式更加智能,為生活帶來更多的進展與生產力,身處軟體行業的我們,不免三不五時就會接觸這方面的資訊。

另一方面,公司的雲端方案是採取GCP (google cloud platform),在與Google合作一段時間之後,我們也知道Google持續推出許多AI的相關產品,而且功能數量一直增加與改版,這個領域一直在快速發展。

然而我們不了解AI能夠為我們帶來什麼樣的幫忙,也不知從何導入,若將AI視為一種工具,也因為不了解這個工具的使用方式和成本,而無法做出適當的評估,投入可接受的人力與資源從可行面切入。決定怎麼跨入很困難,但倘若始終不嘗試跨入這個領域,終究也無法知道AI能夠幫團隊帶來什麼價值,好像是雞生蛋,還是蛋生雞的問題。

我們希望能夠明白,AI對於工作上的實務使用,與各方誇誇其談的理論,這個距離究竟有多遠?

在今年Q2剛開始的時候,因為營運上遇到一個既有技術或流程難以處裡的問題,轉念提出嘗試使用AI去克服的想法,加上團隊有新加入的夥伴擁有數學領域背景,看到了有機會研究的契機,又運氣不錯地獲得主管同意,開始了從零出發的研究。

這些日子努力以來,了解了一些入門概念,也走了一些彎路,目標還是鎖定在實務上的落地應用,順手分享這個過程與心得筆記,提供作為一點參考資料與日後回顧。


人工智慧(AI)領域廣闊,我們將目光先鎖定在機器學習(Machine Learning)上面,以下簡稱ML,ML是屬於AI底下的一支分支,也是資料分析與應用當中一個很重要的領域,就我們主觀的判斷,由於入門門檻要求「相對」較低,也有一些落地應用的機會和使用情境,所計畫從這個角度切入。

前面的篇章,會先就概念上的核心問題作討論,分享實際層面遭遇的困難,然後逐漸帶入我們怎麼決定題目和參數,以及棘手的資料處理問題,而後決定採用Google Vertex AI的工具協助人員和經驗不足的部分,實現ML能夠根據團隊想法延伸帶來的價值。


下一篇
了解必要的概論 | ML#Day2
系列文
後端工程師的ML入門理解與Vertex AI30

尚未有邦友留言

立即登入留言