將機器學習模型部署到生產系統是一項複雜的工作,需要謹慎處理,並與商務團隊密切合作,才能確保不會對使用者造成負面影響。逐步釋出、先對少量受眾上線,並持續追蹤結果與回饋,是確保順利上線並及早發現潛在問題的關鍵。
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。
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。
當前練習