前言：

本文是个人在 B 站自学李沐老师的实用机器学习课程【斯坦福 2021 秋季中文同步】的学习笔记。目前已

经看了三个视频，感觉沐神讲解的非常棒 yyds。为什么叫做实用机器学习呢？老师在课程中说到，他的这个机器学习课程和以往学校开设的或者网课开设的不同，这个课程更加接地气，更加贴和工业界的落地实现以及遇到的一些问题和解决方案。个人认为，对于已经工作，或者即将工作的来说，这门课程绝对是你所需要的【这里只是强烈推荐一下这个课程，哈哈。因为讲的太好了】。

机器学习工作流：

工业界落地机器学习和学术界会有一些不同，学术界拿到数据集训练之后，效果有涨点，说明设计的

模型还不错，可能就写个论文发表就完事了。但是工业界要考虑很多因素，要监控上线的模型的预测结果是否符合预期，是否为业务带来了收益，用户的数据分布变化了模型是否依然可用等等问题，因此要持续监控模型的工作情况，然后不断地进行训练调整等。在工业界机器学习的落地工作流可以用下图表示：

机器学习落地工作流

从上图中我们可以看到，1. 首先要进行问题建模，不过要切记的是：不是所有的问题都可以建模为机器学习问题，有些很复杂的问题我们可以用机器学习来解决，但是有些比较简单的问题，我们却不能用机器学习来解决。2. 当建模完成之后，就要收集数据，对数据进行处理，做成数据集。3. 解决就要使用数据集来训练模型，并不断微调。4. 模型训练完成之后，就要上线了，让模型服务于公司的某个业务，提高盈利。5. 但是模型上线后不能说不管了，我们还要一直监控模型的运行情况，比如预测是否准确，公司的盈利情况相比以前是否有增长等。并且由于模型是长期服务的，用户群体可能会发生变化，导致数据的分布规律发生变化，这就会影响到模型的准确率，2. 因此还要收集新的数据并处理数据对模型进行重新训练并微调。这是一个不断轮回的过程。

挑战：

1. 问题建模：在工业中，并不是所有可以建模为机器学习的问题都要用机器学习来解决，还要考虑各种成本，只有某些业务的收入占比本来比较高，使用机器学习之后，并可以获得更高收益的，值得用机器学习来解决。也就是说解决最有价值的工业问题。

2. 数据：信息时代，不缺数据，只缺少有用的数据，好的数据。而且数据还涉及到隐私问题。

3. 训练模型：现在的模型是越来越大，需要的数据也是越来越多，训练成本也是越来越高。如何平衡，是一个挑战。

4. 部署模型：繁重的计算量对于实时推理不友好。

5. 监控：数据分布变化，公平性问题（模型是公平的，但是训练模型的数据是有偏好的）

人的角色：

领域专家：有商业领域的知识，知道哪些数据是重要的，以及如何获取，并且可以论证机器学习模型对业务的影响。

数据科学家：主要聚焦于数据挖掘，模型训练和部署。

机器学习专家：训练，选择，调整 SOTA 机器学习模型。

软件开发工程师：打通数据流，训练模型，维护模型（更换模型，重新训练模型等）和代码。

技能提升路径：

技能提升路径

主要内容：

1. 如何收集处理数据，数据分布变化

2. 模型验证，融合，超参数调整，迁移学习，多模态

3. 如何部署，性能考虑，设备选择，模型蒸馏

4. 模型公平，模型可解释性