斯坦福2021秋季·实用机器学习【中文】【合集】+1.1课程介绍

机器学习的流程：

1.把问题变成机器学习的问题。譬如我想让机器人帮我叠衣服，这就不是一个好的机器问题。但是我想让机器帮我把法语翻译成汉语，这就是一个简单的机器问题.

2.收集数据。没有数据怎么训练模型？有了数据之后就可以开始选择一些合适的模型进行训练，调参。

3.把模型部署到线上进行实践。然后会收集到新的数据，再到步骤二，形成循环。

1.有的问题是很难的，选择问题的标准不是机器学习问题的难易，而是说哪个问题可以利益最大化。

2.数据很多，但是缺少高质量的数据。这个过程需要大量的清洗和标注。

3.模型训练出来之后并不能解决所有问题。有的时候上线对gpu要求过高。部署之后只是完成了一个轮回，后期需要不断地监控，不断的调整。

领域专家：懂商业，了解数据哪些是重要的，知道应该把机器学习部署到哪里。

数据科学家：全栈的，会把整个流程走一遍。

软件