找出失敗的實驗，以及無助於達成目標商業成果的模型，非常重要：這能確保資源投入到最能帶來商業影響的地方。以下是根據 ML 模型輸出的防止流失測試的三個結果。哪一個表現是最好的，應該被選擇在正式的生產系統中實作？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
機器學習廣泛應用於各行各業。若運用得當，能從根本提升業務成果。本章將說明機器學習的應用情境、相關職務角色，以及它們如何對應到資料需求金字塔。
本章概覽不同的機器學習類型。我們將比較因果與預測模型，探討監督式與非監督式學習，最後理解監督式學習的子類型：分類與迴歸。
本章將檢視界定商業需求的關鍵步驟、辨識並評估機器學習機會的規模、評估模型效能，以及在此過程中辨識任何效能風險。
當前練習
本章將探討管理機器學習專案的最佳與最差做法。我們會指出最常見的機器學習錯誤，學習如何管理商務與 ML 團隊之間的溝通，並最後說明將機器學習模型部署到正式環境時會面臨的挑戰。
