1.1 课程介绍

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