AI产品开发指南:5大核心环节搞定机器学习工作流
本文来自AI新媒体量子位(QbitAI) Python写得像英语一样6,神经网络、决策树烂熟于心,但如果不能动手将这些算法部署到实际系统中,这一切还有什么意义? 于是,国外的问答网站Quora上就有了这个问题: 怎样开发出一个AI系统或者产品? 量子位觉得,有一个来自Sean McClure的回答很不错。Sean是美国一家医疗公司的数据科学家,他从机器学习工作流的五个核心环节讲起,系统地回答了这个问题。 以下内容译自他的回答。 要构建一个AI系统或产品,你要处理好5个核心环节,我们通常称之为“机器学习工作流”。这些步骤分别是: 1.数据收集与分析 2.数据准备 3.模型构建 4.模型验证与测试 5.模型部署 这是一个反复迭代的过程,每次循环都能改进我们构建的模型。 你要创造的是一个产品,所以,应该把这些步骤视为一个将原始数据转换成预测输出的数据工

