此页面由 Cloud Translation API 翻译。

机器学习开发阶段

机器学习项目会分阶段进行，每个阶段都有特定的目标、任务和成果。清楚了解机器学习开发阶段有助于确定工程责任、管理利益相关者的预期，并高效分配资源。

成功完成各个阶段（通常是迭代式地完成）是设计、组装和构建可长期解决业务问题的机器学习模型的基础。

概括来讲，实现机器学习解决方案包括以下阶段：

构思和规划

在构思和规划阶段，您需要从机器学习解决方案的角度来阐述问题，并估计项目的可行性。

实验是机器学习的核心。在此阶段，您将验证机器学习解决方案是否可行。寻找解决方案是一个迭代过程。在找到可解决问题的特征、超参数和模型架构的正确组合之前，尝试数百次实验并不罕见。

在流水线构建和生产化阶段，您将构建用于处理数据、训练模型和提供预测的流水线。然后，您将模型和流水线部署到生产环境中，并提供必要的监控和日志记录基础架构。

下图展示了整个端到端机器学习工作流，列出了每个阶段及其任务和结果：

端到端机器学习工作流。

图 1. 机器学习工作流的四个主要阶段。

每个阶段都存在多重挑战。如果不了解这些因素并制定相应计划，可能会导致错过截止日期、工程师感到沮丧，以及项目失败。

您刚刚了解了一些可能对您的产品有益的机器学习技术。接下来你应该做些什么？

在花时间起草设计文档或编写代码之前，您应先验证机器学习是否是解决问题的正确方案。

正确。在花费时间起草设计文档或编写代码之前，您应先验证机器学习是否是解决问题的正确方案。

撰写设计文档，其中概述了机器学习用例以及实现该用例所需的基础设施。

在起草设计文档之前，您应先验证机器学习是否是解决问题的正确方案。

查找代码示例并开始实验，以确定模型是否可以做出良好的预测。

在编写任何代码之前，您应先验证机器学习是否是解决问题的正确方案。