Google工程师输出的AI项目落地指南
大家好,这里是AI第一课,旨在让大家都能明白AI产品原理,踏入AI领域大门
引言
本讲是专栏的第三部分,也是本专栏的最后一讲;主要讲述如何将AI技术引入到项目中来,如何顺利落地;
参考谷歌出品的《关于机器学习工程的最佳实践》,结合自身的经历、体会来跟大家聊一聊AI产品落地的一些事项。
AI技术需要探索与实验
就目前的阶段而言,AI技术并不是手机POS机十分成熟的技术,尤其是深度学习兴起之后,更加强了AI的黑盒性质。所以项目中引入AI技术一定要带有探索和实验性质的去进行。
通俗一点来说设计对比实验,去探索AI技术带来的收益,当确定收益是正向的之后,可以考虑更大范围的去应用。
举一个人脸识别打卡的例子,在使用AI人脸识别技术之前,大家可能都是刷工卡来开门禁进出公司,这时候需要给每人派发一个工卡,并且工卡可能容易丢失、损坏或者是有时候手里有东西,腾不出手来,不方便刷卡等等。假如公司自研了人脸识别算法,计划代替刷卡机,这时候可以直接将刷卡机拆掉,换用人脸识别吗?
因为是公司自研的,可能还没有大规模测试,一旦拆掉刷卡机,使用人脸识别,如果出现很大比例人脸识别失败,应该怎么办,到头来可能还得重新换回刷卡机,所以合理的情况应该是短期内两个并存,或者有很多入口,先在其中一个入口进行实验,如果效果好,再考虑大规模使用。
以上的例子可能不太严谨科学,主要表达的思想是引入AI技术应该循序渐进,逐步探索实验AI带来的效果与价值,包括后期的算法升级,一样需要严谨的小批量测试评估。
确定合理的AI评估指标
结合经历的几个项目而言,每一个项目都设计了自己业务指标,这些指标跟算法领域内常提到的precision精确率、recall 召回率、AUC等都略有差异。引入AI技术之后或者是在引入之前,就应该想清楚用什么指标来衡量AI的效果。
这里举一个广告领域的例子,广告的推荐可以看作是一个二分类问题,预测用户是否会点击。但拉卡拉pos机实际业务中,投放的广告可能并不是点击率最高的,因为会考虑到单个点击的收益,所以需要将点击率和收益综合考虑,确定应该投放什么广告。
所以制定合理的AI评估指标是重中之重,可以说它是AI落地的指路明灯。
完善的工程体系是AI技术的保障
如果将算法视作项目的灵魂,那么必须要有健康的骨架和血肉才能发挥作用。
在充分理解业务需求的前提下,确定要着手开发机器学习系统;这时候的建议是从最简单的算法甚至可以不用算法从规则做起,去搭建项目工程。
业务指标的统计与监控: 这是业务后续效果评估与进一步发展的指引,没有这个指标就相当于是没有方向,并且这个统计与监控一定要保证正确、稳定、可用性高
实验环境的搭建: 为了体现机器学习系统的价值,以及不同算法的效果差异,必须要做对比实验;并且保证实验的正确性,保证两个对比实验组除了需要实验的条件之外,其他特征的完全一致。一个好的实验平台非常有利于后续项目的开展,如果实验平台本身就是不可靠的,那么最终的实验结果也将失去价值。
特征监控: 机器学习算法往往依赖很多特征,但实际场景中数据往往会有一定的缺失与错误,这在实际中也是允许的,但是应该做到特征的问题,如果特征波动较大,或者延迟较大,就会直接影响算法的效果;如果没有监控,当算法效果变差的时候就很难排查,比如某项特征之前缺失20%,昨天缺失40% 直接导致算法效果变差;
总结
以上就是结合自己的一些项目经验,总结出拉卡拉POS机免费办理的AI落地过程的一些关键点。
- 以实验和探索的心态去引入AI
- 确定合理的业务指标
- 搭建完善的工程结构体系
最后,AI不是万能的,能用则用,不能用也不必勉强。
写在最后
到这里专栏就结束了,本专栏作为AI入门课程,通俗的讲解了AI的本质、AI的实现手段、AI产品落地的关键事项。
相信如果认真阅读完这11讲的内容,至少可以入门AI,读懂AI产品、AI算法背后的基本原理。每一种算法都给出了训练逻辑以及完全基于加减乘除基础操作实现的工程化代码,可以让大家更直观的看到AI是怎么计算的。
江湖路远,道阻且长,我们后会有期。
手机POS机 养卡POS机 正规POS机
如若转载,请注明出处:https://www.chakanmima.top/3313.html