機器學習開發階段

機器學習專案會分階段進行 特定目標、任務和成果清楚瞭解機器學習開發階段有助於建立工程責任、管理相關人員的期望，以及有效率地分配資源。

成功通過各個階段 (通常反覆進行) 是設計、組合及建構機器學習模型的基礎，以便能長期解決業務問題。

整體來說，實作機器學習解決方案包含下列階段：

1. 構思與規劃
2. 實驗
3. 建構管道
4. 實際應用

構思與規劃

在構思和規劃階段，您可以根據機器學習解決方案來構思問題，並評估專案的可行性。

• 目標：判斷機器學習是否是解決問題的最佳解決方案。
• 工作：分析業務問題以瞭解專案的限制。
• 結果：概述如何運用機器學習解決方案解決問題的設計文件。如需機器學習設計文件範例，請參閱 go/ml-design-doc-example。

重要事項： 在構思與規劃階段，可能需要很長的時間才能瞭解實際工作環境系統所需的資料和指標。

在廣播中觀看即可取得影片轉錄稿。如果未顯示轉錄稿，請按一下 「轉錄稿」圖示。

實驗

實驗是機器學習的核心。在此階段，您需要確認機器學習解決方案是否可行。找出解決方案是一個疊代的過程我們不常嘗試進行數百次實驗，然後再找出能解決問題的特徵、超參數和模型架構組合。

• 目標：建立模型來解決業務問題。
• 工作：使用功能、超參數和模型架構進行實驗。
• 結果：品質夠好，可進入實際工作環境的模型。

重要事項： 在實驗階段，採用機器學習的從業人員通常會低估設計和實作適當實驗工具和程序時遇到的困難。

在廣播中觀看即可取得影片轉錄稿。如果未顯示轉錄稿，請按一下 「轉錄稿」圖示。

建構管道與實際工作環境

在管道建構和生產階段，您會建構管道來處理資料、訓練模型及提供預測結果。然後，您要使用必要的監控和記錄基礎架構，將模型和管道部署至實際工作環境。

• 目標：在實際工作環境中建構及實作用於資源調度、監控及維護模型的基礎架構。
• 工作：建構管道來自動執行許多工作，以便在實際工作環境中更新模型。
• 結果：經驗證的機器學習管道。

重要事項： 在實際工作環境中，很容易低估資料管道實際工作環境和評估模型的複雜度，尤其是在功能不斷演進時。舉例來說，您不僅必須實作非機器學習專案所需的所有監控基礎架構，還要導入所有機器學習專用監控功能。

在廣播中觀看即可取得影片轉錄稿。如果未顯示轉錄稿，請按一下 「轉錄稿」圖示。

端對端機器學習工作流程

下圖說明整個端對端機器學習工作流程，列出各個階段及其工作與結果：

圖 1：機器學習工作流程的四個主要階段。

注意事項

每個階段都有多項挑戰。如果不實現預期 (也沒有規劃)，以免錯過期限、工程師不滿，以及專案失敗。

重要字詞：

功能	超參數
model	管道
預測