前言

簡(jiǎn)單回顧一下工業(yè)中的實(shí)際的機(jī)器學(xué)習(xí)應(yīng)用。這里的工業(yè)指的是第二產(chǎn)業(yè)，即生產(chǎn)制造。有時(shí)候工業(yè)界，是為了和學(xué)術(shù)界進(jìn)行區(qū)分，那時(shí)的工業(yè)界更廣泛一些，甚至主要指第三產(chǎn)業(yè)服務(wù)業(yè)了，如我們熟悉的消費(fèi)互聯(lián)網(wǎng)。

?“中國(guó)制造2025”等關(guān)乎工業(yè)互聯(lián)網(wǎng)的政策很多，但是在第二產(chǎn)業(yè)里搞機(jī)器學(xué)習(xí)根本不賺錢(qián)，下次如果換工作，絕對(duì)不來(lái)Lynk這種，一定要爭(zhēng)取去錢(qián)多的消費(fèi)者互聯(lián)網(wǎng)了。不過(guò)，工業(yè)互聯(lián)網(wǎng)其實(shí)也很有樂(lè)趣，而且也很適合轉(zhuǎn)行的人進(jìn)行賽道切入，尤其是機(jī)械、化工等具備專(zhuān)業(yè)知識(shí)的人。說(shuō)起來(lái)，年齡大了哪有什么情懷，誰(shuí)不是找不到工作才先混跡工業(yè)的呢。

步驟和流程

如果面對(duì)一個(gè)新的任務(wù)，那如何開(kāi)始整個(gè)流程呢？工業(yè)中的實(shí)際的機(jī)器學(xué)習(xí)應(yīng)用，首先掌握整個(gè)流程和big picture是很重要的。以下更多是我個(gè)人工作中總結(jié)的經(jīng)驗(yàn)，可能還有很多不足。

• 梳理整體脈絡(luò)，掌握全局，建立知識(shí)體系框架

• 復(fù)雜任務(wù)，分解為小任務(wù)，確定每個(gè)小任務(wù)的目標(biāo)和評(píng)價(jià)方式

• 搞到數(shù)據(jù)，了解數(shù)據(jù)的來(lái)源、屬性，對(duì)數(shù)據(jù)探索性分析

• 驗(yàn)證、特征、訓(xùn)練、預(yù)測(cè)完整的快速baseline

• 迭代優(yōu)化，從數(shù)據(jù)、目標(biāo)、特征、模型的角度更一步優(yōu)化

• 上線部署，要注重工程性和整體的架構(gòu) 模型性能監(jiān)測(cè)，繼續(xù)優(yōu)化的同時(shí)要對(duì)性能下降快速定位和修復(fù)

有些容易忽視的點(diǎn)，例如第一步。面對(duì)一個(gè)新任務(wù)首先應(yīng)該試圖建立整體的脈絡(luò)。對(duì)工作來(lái)說(shuō)，可以保證方向的正確，保證遇到問(wèn)題可以站在前人的肩膀上進(jìn)行解決；而對(duì)個(gè)人來(lái)說(shuō)，也是提高個(gè)人能力、學(xué)習(xí)新知識(shí)的好機(jī)會(huì)，甚至去別的地方面試時(shí)都更能侃侃而談裝大佬。隨著任務(wù)進(jìn)行，這個(gè)脈絡(luò)也在逐步的完善清晰中。

第二步，在開(kāi)始任務(wù)之前，要清楚這個(gè)任務(wù)在更大情景的定位，要清楚這個(gè)任務(wù)的評(píng)價(jià)方式。所以NG才在他的“machine learning yearning”強(qiáng)調(diào)一定要設(shè)定單個(gè)數(shù)值的評(píng)價(jià)方式，這樣才好讓整個(gè)團(tuán)隊(duì)朝著正確的方向前進(jìn)。

第三步和第五步中，要注意從實(shí)際情況進(jìn)行考慮，畢竟真實(shí)場(chǎng)景其實(shí)不像比賽等封閉場(chǎng)景。可以設(shè)法搞到更多數(shù)據(jù)，可以設(shè)法搞到自己想搞的特征，也可能數(shù)據(jù)的來(lái)源里也有信息。比如我對(duì)BMW前工作印象依舊很深的一個(gè)案例，在研究汽車(chē)保修數(shù)據(jù)趨勢(shì)的時(shí)候，發(fā)現(xiàn)了趨勢(shì)并不是直觀反應(yīng)質(zhì)量變好或變差的，而是和每個(gè)月有幾個(gè)星期五強(qiáng)相關(guān)。繼而通過(guò)調(diào)查發(fā)現(xiàn)，原來(lái)經(jīng)銷(xiāo)商雖然可以每天都上傳數(shù)據(jù)，但幾乎所有經(jīng)銷(xiāo)商都是在周五集中上傳數(shù)據(jù)，導(dǎo)致如果這個(gè)月有5個(gè)周五的話，自然就比4個(gè)周五的多25%左右，而不是這個(gè)月的質(zhì)量差、保修多。這種初看奇怪的現(xiàn)象，就可以通過(guò)數(shù)據(jù)的來(lái)源方式得到合理的解讀了。當(dāng)時(shí)如果看不到這一點(diǎn)，就開(kāi)始做預(yù)測(cè)模型就失去預(yù)測(cè)的意義了。

第六步和第七步中，我自己也不會(huì)，也沒(méi)啥工程能力，是非計(jì)算機(jī)的弱勢(shì)吧。提高一些計(jì)算機(jī)基礎(chǔ)是很有必要的。而定位線上問(wèn)題一方面要積累經(jīng)驗(yàn)，另一方面也可以通過(guò)良好的系統(tǒng)設(shè)計(jì)幫助我們，例如監(jiān)控輸入特征的數(shù)據(jù)范圍、數(shù)據(jù)屬性等。

后續(xù)篇章會(huì)結(jié)合具體案例介紹了。

聯(lián)系方式

公眾號(hào)YueTan

總結(jié)

以上是生活随笔為你收集整理的制造工业中的机器学习应用：I概览的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。