1.1 课程介绍【斯坦福21秋季:实用机器学习中文版】
李沐
B站:https://space.bilibili.com/1567748478/channel/collectiondetail?sid=28144
课程主页:https://c.d2l.ai/stanford-cs329p/
本课程主要介绍的是机器学习在工业领域的应用.
1 机器学习在工业领域中具体的应用
-
制造业:预测性的设备维护、质量控制
-
零售业:聊天机器人、市场需求分析
-
健康产业:实时患者数据获取、病情判断
-
金融业:诈骗预测
-
汽车行业:故障预测、自动驾驶
2 机器学习迭代循环过程
以房屋售价预测为例;
- 问题公式化、建模 :预测房屋的售价
- 收集和处理输出:收集历史房屋的交易记录、特征提取
- 训练模型:训练房屋预测的回归模型
- 模型部署:在线部署模型预测未来房屋售价
- 监控:收集更多的数据、训练新的模型、监控变化以及模型
3 机器学习工业应用中挑战
- 工业问题的建模
- 数据:缺乏高质量的数据、个人隐私问题;(不缺数据,缺高质量的数据)
- 训练模型:复杂、昂贵
- 部署模型:计算量大、实时性要求高
- 监控:算法代替人决定–> 公平性问题
4 机器学习中的角色
领域专家 Domain experts:足够的商业洞察力、
数据科学家 Data Scientists:全栈的数据挖掘、模型训练和部署
机器学习专家 ML:最优的机器学习模型
软件开发工程师 SDE:开发、训练、部署
5 课程
- 数据收集、处理
- 模型验证、融合调整、迁移学习
- 模型部署、蒸馏
- 公平性和可解释性