今天，我們會介紹一個完整的機器學習專案需要包含的五個步驟。

ML Project Lifecycle 介紹

根據 Andrew Ng 的 Coursera 課程，一個完整的機器學習專案分為五個主要步驟：

1. 定義商業指標（Define the business goal）
2. 蒐集和準備資料（Collect and Prepare Data）
3. 建立模型（Build the Model）
4. 將模型整合到應用程式中（Integrate with Application）
5. 監控模型表現（Monitor Impact）

這五個步驟的內容，我們會在之後五天分別仔細說明。
不過，在正式開始之前，為了之後更有效率地介紹機器學習專案的生命週期，以及未來系列文的內容，我們先來簡單講述一個本系列文中會頻繁提及的案例——Netflix 的 Match Cutting。

Use Case Example - Match Cutting

為了在 90 秒內抓住用戶的注意，Netflix 認為最有效的方式是使用圖片和影片。因此，他們在首頁陳列各式各樣的圖片與影片，尤其是利用預告片來吸引用戶目光。而在剪輯預告片時，有一個常用的手法稱為 Match Cutting。

Match cutting 是一種轉場技巧，透過兩個畫面之間相似的視覺構圖、動作或場景來流暢地連接，使觀眾自然過渡到下一個場景。

常見的 match cutting 手法分為兩種：

• Frame matching：透過相似的構圖來連接兩個畫面
• Action matching：透過相似的動作或場景的延續來連接兩個畫面

下圖為 frame matching 的範例，每個畫面中動物都位於左半邊，僅露出右半邊的側臉向前步行。將這些相似的構圖連接在一起，讓觀眾能夠順暢地觀賞每個動物。

下圖為 action matching 的範例，這兩個畫面藉由人物的動作流暢地連接起來，人物一號先從滑板中往前滑行並起飛，人物二號再接續著一躍而下。儘管是不同的人物和場景，不過由於動作的延續，使得畫面十分滑順地相互連接。

不過，一部兩小時的電影約有 2000 個畫面，尋找能夠匹配的畫面是非常耗時費力的工作，需要仰賴大量的人力資源。因此，Netflix 想要藉由機器學習的技術增快找尋素材的速度。

Netflix 將 frame matching 和 action matching 分開處理，利用不同方式抓取畫面特徵、比對相似度，最終得以成功的找到匹配的畫面。

整個過程分為以下五個步驟：

1. 分割畫面（Shot Segmentation）
2. 去掉重複的畫面（Shot Deduplication）
3. 計算能夠代表 frame matching 和 action matching 的畫面特徵（Compute Representations）
4. 計算兩兩成對的畫面分數（Compute Pair Scores）
5. 找到最相似的成對畫面（Extract Top-K Pairs）

另外，儘管他們一開始提出的方法已經能夠成功找到匹配的畫面，但是計算過程十分沒有效率。為了提高可擴縮性 (scalability)，Netflix 又進一步提出使用 ANN（Approximate Nearest Neighbor）、metric learning 和分類模型來提升計算效能。

這個專案非常適合用來講解機器學習專案的生命週期，我們可以從定義商業指標開始，研究 Netflix 究竟想要改善什麼問題。接著，介紹他們是如何蒐集、存放並標記資料，以及如何選擇適合的模型。最後，觀察這個模型是否能夠解決最初的問題，若否，他們又是如何修改的。

由於 match cutting 實際應用到的機器學習技術並非本系列文的重點，若有興趣了解更多的朋友，可以參考 Netflix 的文章，或是剛好我在 iThome 12/25 的直播研討會也會講述相關內容，歡迎大家屆時一同參與！

Reference

• Chen, B., Ziai, A., Tucker, R. S., & Xie, Y. (2023). Match cutting: Finding cuts with smooth visual transitions. In Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (pp. 2115-2125).

謝謝讀到最後的你，如果喜歡這系列，別忘了按下喜歡和訂閱，才不會錯過最新更新。
如果有任何問題想跟我聊聊，或是想看我分享的其他內容，也歡迎到我的 Instagram（@data.scientist.min） 逛逛！
我們明天見！