AI产品开发的核心原则：以研究为核心驱动
极客时间编辑部
讲述：杜力大小：3.65M时长：02:38
无论企业规模如何，只要开发机器学习或人工智能产品，那么核心资产就是研究专业人员、数据科学家或人工智能科学家。盲目使用软件库开发模型并不能解决产品部署后可能遇到的问题，比如，即使需要进行简单的超参数搜索，也很容易被迫让位于研究，因为很可能没有人尝试过使用数据集构建模型或者建模任务。
软件开发是机器学习产品开发不可或缺的一部分。然而在研究过程中，代码开发可能会出现很多问题，即使是非常优秀的软件开发人员，最终也会编写出难以理解的槽糕代码。如果对结果的再现性和健壮性有信心的话，产品代码就应该用高质量软件工程原则重新编写。
机器学习产品同样存在冷启动问题，在进行任何类似的研究工作之前，就发布和设计数据集。当然，这必须与行业需求保持一致。发布的数据集将是任何模型构建或产品开发的第一步，并将构成数据产品本身。数据版本控制也是必须的。
事实上，并没有所谓的普遍或通用工作流，这取决于人们对流程和步骤的理解。人类的理解是基于语言基础的，在语言学中，并没有所谓的通用语言，至少通用语法还不实用。对研究步骤来说，宽松定义步骤就足够了。一旦投入生产，可能需要更为严格的工作流设计，但是要注意，所有的工作流都是特别的。
不要为核心数据科学进行敏捷迭代，敏捷软件开发适用于软件开发创新。敏捷迭代或敏捷开发并不适用于人工智能研究环境，因为它是一种不同于软件工程的创新。
另外，使用机器学习技术应该会产生更多数据。第一个服务监控是 A/Null 测试，这意味着在没有人工智能产品的情况下会发生什么，对服务数据的详细分析将为业务和研究带来更多洞见，包括产生影响评估和服务质量。
如果你正在投资人工智能产品，开发人工智能产品这样的事情并不会很快就会实现完全的自动化。如果你正在人工智能产品上投资，那么，基本上可以说你就是在核心研究方面进行投资。它们的基本核心原则或者变化有可能有助于维持人工智能产品更长时间，并形成相应的团队。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论