想让机器学习与商业结合,最重要的是什么?( 六 )

\n \n

纯学术性地建立机器学习模型与为企业提供端对端的数据科学解决方案(如生产制造、金融服务、零售、娱乐、医疗保健)之间存在着巨大差异 。

\n \n

在机器学习方面 , 企业最常面临的问题是什么呢?除了培养机器学习模型 , 我们还能做什么?如何准备数据?如何扩大数据集?为什么特征工程如此关键?如何将模型运用到生产实践 , 成为完全可行的系统呢中?如果能从开源软件中获取所有的数据科学工具 , 数据科学平台还有存在的意义吗?

\n \n

本文将回答以上部分问题 , 并揭示目前机器学习遇到的挑战和困难 , 进一步通过具体行业案例提出最佳解决方案 。

\n \n

\n

机器学习不仅仅是培养模型

\n \n

不少数据科学家对机器学习还存在普遍误解 。

\n \n

“假设你拿到一组有某种特征的数据集 , 并需要推测其中某个变量 , 你会怎么做?”

\n \n

很多数据科学家都会做如下回答:

推荐阅读