一、课程介绍

本课程是关于机器学习在工业界的应用，公司使用机器学习来增加营收 。

1. 工业界的应用

• 制造业：质量控制
• 零售业：商品推荐、聊天机器人、需求预测
• 健康：疾病检测、病情监控预警
• 金融：诈骗检测、 申请自动处理
• 汽车：汽车状态预测、无人驾驶

2. 机器学习流程（样例：房价预测）

2.1 形成机器学习问题

• 聚焦在最有影响的工业问题

2.2 数据

• 高质量数据很少、需要做数据清洗
• 挖掘数据涉及到隐私问题

2.3 模型训练

• 复杂的模型训练很贵

2.4 部署模型

• 耗费GPU的模型（大模型）不适用于高实时性的场景

2.5 监控模型

• 数据分布发生变化，模型不再适用
• 公平性问题（由于数据导致的）

3. 人的角色

3.1 领域专家：对商业、产品理解

3.2 数据科学家：全栈

3.3 机器学习专家：对模型定制化

3.4 软件开发工程师：开发维护代码、模型训练