iT邦幫忙

2021 iThome 鐵人賽

DAY 3
0
AI & Data

後端工程師的ML入門理解與Vertex AI系列 第 3

ML是一種方法 | ML#Day3

在踏入ML領域的第一步,也是最核心的關鍵,就是決定命題

那麼會想解決什麼樣的問題呢?

若要在工作上落地應用,想必是與業務相關的問題,也因此本身題目的決定就是很困難的事情。

每個公司的商業模式不同,業務流程和想解決的問題通常也是專屬課題,想得到可用的參考資料並不容易,只能自己的團隊做決定。

然而根據我們的踩坑經驗,在這之前,先了解ML的使用範疇,在ML能夠應用的範圍內決定題目,才是正確的做法。


不是每個問題都派得上ML

再重複前一篇所提,ML是為了得到一個模型,能夠計算丟進來的資料,產出答案,因此解決問題。

很重要的前置概念:

簡單和有絕對的因果關係的問題不行,做ML並不是為了解決這種事情而用。

舉例:想知道販售產品的毛利率。

這個問題其實可以透過統計已知的生產成本和營業成本得到答案,成本的計算方式是肯定的而且明確可知,有明確的計算方式,並非是ML的應用用途,一板一眼的計算方式完全不需要經過訓練。

上述的計算,可以說是一個函式或者模型,但要知道的是ML是得到模型的一種『方法』,因為有些模型/函式/公式太難透過人腦推理或計算得出,因此藉由ML這種『方法』獲得。

換句話說,如果本身可以知道模型內容,就用不上ML對吧。

模型可以解決問題。

但怎麼得出模型,不一定要用到ML,可以是自已寫的程式或公式。

所以回過頭來的結論。

在ML領域想解決什麼問題,其實是:

想用模型計算/解決什麼問題 + 這個模型的產生方式不是人腦可以簡單給出公式解決


上一篇
了解必要的概論 | ML#Day2
下一篇
挑選命題的要件 | ML#Day4
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