我想让你知道一个秘密:当人们说 有两个,如果企业不理解差异,他们可以经历一个麻烦的世界。 机器学习 两个机器学习的故事 想象一下雇用一个厨师为你建一个炉子或一个电气工程师为你做面包。 如果你正在开一家面包店,雇用一个经验丰富的面包师,擅长制作美味的面包和面包,这是一个很好的主意,你也想要一个烤箱,虽然这是一个关键的工具,但我敢打赌你不会让你的顶级面包师知道如何构建那个烤箱的任务;那么,为什么你的公司专注于机器学习的等价? 你是做面包的,还是做烤箱的? 不幸的是,太多机器学习项目失败了,因为团队不知道他们是否应该建造炉子、食谱或面包。 机器学习研究 他们不告诉你的是,所有这些机器学习课程和教科书都是关于如何从头开始建造炉子(以及微波炉,混合器,烘焙机,锅炉......厨房水槽!),而不是如何从头开始做饭和用食谱创新。 如果你构建机器学习算法,你的焦点是其他人使用的通用工具(厨房设备,如果你喜欢类似性)。 它通常由像 或 . machine learning research 学术 谷歌 
 
 当涉及到机器学习时,许多组织处于错误的业务中。 当涉及到机器学习时,许多组织处于错误的业务中。 你需要相当多的教育来从事这项工作,因为这里有悠久的历史。 例如,回归的最小平方的方法,是 相信我,人类在200年里走过了很长的路。 算法 1805年出版 今天,有一些相当复杂的电器在那里...如果你不知道这一个是如何工作的,你将如何建立一个更好的微波炉?当然,你需要所有的沉浸式研究! 成为一名研究人员需要多年,并且有一个很好的理由,101课程从计算的基本知识开始。 应用机器学习 大多数企业只是想做饭 - 解决他们的业务问题. 他们对销售微波器没有兴趣,但往往会犯下试图从头开始建造这些设备的错误。 如果你用食谱创新,不要重新发明轮子,这些微波已经存在,你可以免费从 如果设置自己的机器学习厨房听起来像一个工作,提供商如 讓你使用他們的,完整的 , ,和 . 许多地方 谷歌云平台 设备 成分 食谱书籍 
 
 如果你在厨房里创新,不要重新发明轮子。 如果你在厨房里创新,不要重新发明轮子。 对于大多数 ,你的团队不需要理解 但是,如果你打算运行工业规模的厨房,你需要知道很多事情,从烹饪你的成分到检查你的菜肴是否好,然后在你服务他们之前。 应用程序 神经网络中反扩散的数学 你在卖哪个?聘用合适的团队取决于你的答案。 通过机器学习坠毁和燃烧 不幸的是,我看到很多企业没有从机器学习中获得价值,因为他们没有意识到应用的一面是与算法研究的一面非常不同的学科。 如果那是成功的,那是因为你很幸运,并意外雇佣了一名工程师,他是一个伟大的厨师。 leaders try to start their kitchens by hiring those folks who’ve been building microwave parts their whole lives but have never cooked a thing. 但是你通常没有幸运,一生中只有这么多小时,如果你花费他们学习微波电缆是如何连接的,你有更少的时间去掌握面包店或商业的艺术。在哪里 - 以及什么时候! - 你的博士训练的人工智能研究人员是否获得了应用机器学习所需的技能? 如果你把你的心放在混合体上,这两者都是专家,难怪你在抱怨人才短缺! 如果你试图通过雇佣那些一生都在建造微波部件但从未做过任何东西的人来开设一家餐厅,那么可能有什么不对劲呢? 相反,你应该雇用谁?就像在工业厨房里一样,你需要一个具有理解这个空间的领导能力的跨学科团队。 聘请合适的团队来完成工作 如果你正在销售尖端的电器,雇用研究人员. 如果你在食谱中创新以规模销售食物,你需要有人来找出值得烹饪的东西 / 目标是什么( ) ) ,了解供应商和客户的人( )的人,可以加工成分在规模上( ) ,人们可以尝试许多不同的成分设备组合快速产生潜在的食谱( )的人谁可以检查的食谱的质量是足够好的服务( )的人把一个潜在的食谱变成数百万的菜肴有效地供应( (二)跨学科团队在轨道上( ) )和确保你的菜肴保持顶级的人,即使送货卡车带给你一吨土豆而不是你订购的米饭( )。 决策者和产品经理 领域专家和社会科学家 数据工程师和分析师 应用ML工程师 统计学家 软件工程师 项目经理/项目经理 可靠性工程师 统计学家 虽然这些不必是单独的个人,请确保你有每个角色都被覆盖了,而在你为提供这样一个不完整的卡通而把你的腐烂的西红柿扔在我身上之前,我会自由地承认,关于雇用应用机器学习还有很多话要说。 . 这个一个 谈到外包,如果您的团队已经尝试了所有现有的工具,并且无法制作一个符合您的业务目标的食谱,那么考虑在建筑设备中增加技能是有意义的( )。 无论您是否雇用该人为您的永久员工或向经验丰富的算法研究公司外包工作,都取决于您的操作的规模和成熟度。 研究者 与研究人员建立联系的另一个原因是你的原型如此成功,以至于使用定制的设备在你运气足够大的规模上是有意义的。 决策智能 专家们应该在谈论这一点,但他们不是,他们不承认这里确实有两种机器学习,所以世界正在训练人们构建所有这些算法,而不是使用它们。 我的团队正在努力解决这一问题,我们已经创建了一个新的学科,以涵盖应用方面,我们已经培训了超过15000名员工。 它涵盖了机器学习和数据科学的所有应用方面。 decision intelligence engineering 换句话说,如果研究机器学习是构建微波和应用机器学习是使用微波, 使用微波安全地满足你的目标,当你不需要微波时使用其他东西。 决策情报工程 Good luck and have fun! 祝你好运,好好玩! 当涉及到应用机器学习时,最困难的部分是知道你想做什么,以及在为客户提供服务之前,你计划如何检查它。 . 别忘了做它 至于其余的,用机器学习解决业务问题比大多数人想象的要容易得多。那些闪烁的厨房等着你来玩它们。像你在真正的厨房里一样潜入。 开始打! 每次我遇到有人认为他们需要采取传统的机器学习算法课程 - 或者,天哪! 一个完整的程度 - 为了开始,我只能想象他们拒绝使用微波,直到他们自己建造一个。 祝你好运,好好玩! 人类创造力

AltexSoft

Google

該音頻是用故事的原始語言製作的！

为什么企业在机器学习中失败

About Author

註釋

標籤

这篇文章刊登在

Related Stories

扬帆起航：利用数据湖开发生产级 RAG 应用程序

加密货币增长：创建有效的用户角色

Telegram：加密岛通往大陆的桥梁

从论坛到信息流：社交媒体算法如何塑造数字互动

扬帆起航：利用数据湖开发生产级 RAG 应用程序

加密货币增长：创建有效的用户角色

Telegram：加密岛通往大陆的桥梁

从论坛到信息流：社交媒体算法如何塑造数字互动

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps