机器学习 2.0：工程化数据驱动的 AI 产品
人工智能
2018-07-03 v1
摘要
ML 2.0：在本文中，我们提出一种范式转变，从当前创建机器学习模型的做法——需要长达数月的发现、探索和“可行性报告”生成，随后为部署而重新设计——转向一种由开发人员或领域专家（非机器学习专家）使用可复用 API 执行的、为期 8 周的快速开发、理解、验证与部署流程。这实现了我们称之为“最小可行数据驱动模型”的目标，为尚未使用机器学习解决过的问题提供即用型机器学习模型。我们提供了对该“模型”进行精炼与适配的规定，并严格强制遵守脚手架/抽象与流程。我们设想这将带来机器学习的第二阶段，其中发现被更具针对性的交付与影响目标所吸纳。
引用
@article{arxiv.1807.00401,
title = {Machine learning 2.0 : Engineering Data Driven AI Products},
author = {James Max Kanter and Benjamin Schreck and Kalyan Veeramachaneni},
journal= {arXiv preprint arXiv:1807.00401},
year = {2018}
}