我已經(jīng)在iZettle工作了大約四年了。我在這家公司的旅程并不是以機(jī)器學(xué)習(xí)工程師的身份開始的，而是隨著我在公司的成長而過渡到機(jī)器學(xué)習(xí)工程師。

我的正規(guī)教育是計(jì)算機(jī)科學(xué)/軟件工程，事實(shí)上我已經(jīng)做了大約8年的軟件開發(fā)人員。作為一名軟件工程師，這些年給了我一些技能，這些技能使我走向ML工程的道路變得相當(dāng)特別。我想和大家分享我希望在準(zhǔn)備這個(gè)角色時(shí)能更多地關(guān)注什么，以及我認(rèn)為我的背景如何幫助我完成這個(gè)轉(zhuǎn)變。

怎么開始的

首先-為什么？我對(duì)我的軟件工程師工作不滿意嗎？我認(rèn)為做一名ML工程師比做一名軟件工程師更好嗎？絕不是！這只是我喜歡花什么時(shí)間的問題，那就是數(shù)據(jù)。我從15歲就開始編碼了，我一直很喜歡它。但我最喜歡的是用我的作品去了解世界。作為許多人，我有許多“寵物項(xiàng)目”想法永遠(yuǎn)不會(huì)出現(xiàn)，但當(dāng)我閱讀這份想法清單時(shí)，我發(fā)現(xiàn)了這樣的事情:構(gòu)建工具來使用推特?cái)?shù)據(jù)來檢測(cè)自然災(zāi)害，分析我的社交媒體賬戶數(shù)據(jù)來理解我自己的行為，檢測(cè)朋友聊天中的情緒，等等。你看到模式了嗎？所有這些項(xiàng)目想法都尋求對(duì)某些情況的理解，并且都以數(shù)據(jù)為中心。那時(shí)我一直對(duì)數(shù)據(jù)很感興趣，大約兩年前我決定把它作為我的主要工作。我想認(rèn)為機(jī)器學(xué)習(xí)是我個(gè)人的選擇，但本著數(shù)據(jù)驅(qū)動(dòng)的精神，我可以將我的決定與近年來機(jī)器學(xué)習(xí)領(lǐng)域的炒作聯(lián)系起來，當(dāng)時(shí)你讀到的每一篇科技文章都是關(guān)于ML創(chuàng)新的，所以我想我永遠(yuǎn)不會(huì)知道。

不管怎樣，我做出了這個(gè)決定，對(duì)我來說幸運(yùn)的是，iZettle正在運(yùn)行一個(gè)機(jī)器學(xué)習(xí)指導(dǎo)項(xiàng)目，我很高興地加入了這個(gè)項(xiàng)目。

學(xué)習(xí)過程

在這個(gè)指導(dǎo)程序中，我們學(xué)習(xí)了bookPython機(jī)器學(xué)習(xí)的所有章節(jié)。每周，我們會(huì)討論一章，編寫一些練習(xí)來實(shí)驗(yàn)所學(xué)的概念。我發(fā)現(xiàn)它非常令人興奮，它確實(shí)奠定了我對(duì)機(jī)器學(xué)習(xí)如何工作的基本理解。

除此之外，我利用空閑時(shí)間參加了一些在線課程，比如Udacity中的aDeep Learning Specialisation，參加inKagglecompetitions（我不得不承認(rèn)，沒有太大成功），并試圖實(shí)施我之前提到的一些項(xiàng)目。

我告訴你們所有這些不是為了吹牛，而是為了讓你們明白我正在盡可能多地吸收關(guān)于這個(gè)主題的知識(shí)，當(dāng)我準(zhǔn)備更換標(biāo)題時(shí)，我覺得我對(duì)機(jī)器學(xué)習(xí)有非常扎實(shí)的理解。

經(jīng)過6個(gè)多月的緊張學(xué)習(xí)，我加入了iZettle的機(jī)器學(xué)習(xí)團(tuán)隊(duì)。

什么課程和書本沒有教給你

我充滿活力地加入了這個(gè)團(tuán)隊(duì)，渴望開始我的第一個(gè)項(xiàng)目。從第一個(gè)項(xiàng)目開始，我開始注意到學(xué)習(xí)機(jī)器學(xué)習(xí)和實(shí)際做機(jī)器學(xué)習(xí)是多么的不同。第一個(gè)項(xiàng)目是試圖為我們的商人預(yù)測(cè)破產(chǎn)，這樣我們就可以伸出援手，幫助他們做生意。

當(dāng)你做一個(gè)來自一門課程或一本書的項(xiàng)目時(shí)，該項(xiàng)目最重要的部分已經(jīng)為你完成了。也就是說:您到底想做什么？在課程中，您會(huì)得到一個(gè)數(shù)據(jù)集和一個(gè)目標(biāo)度量，您所要做的就是“按摩”您的數(shù)據(jù)和訓(xùn)練模型，以便在您的目標(biāo)度量上獲得良好的性能。

在這種情況下，有幾件事你沒有學(xué)到，甚至從來沒有質(zhì)疑過：

問題定義:如何將問題公式化，以便從機(jī)器學(xué)習(xí)的角度來看它是有意義的？對(duì)于破產(chǎn)問題，我感到震驚的是，我的腦海中突然冒出了多少問題，幾乎是不知從哪里冒出來的：預(yù)測(cè)破產(chǎn)意味著什么？是不是意味著一個(gè)商人明天就要破產(chǎn)了？一周后？一個(gè)月后？我怎么知道我們哪一個(gè)商戶已經(jīng)破產(chǎn)了？是缺乏活動(dòng)嗎？那么季節(jié)性呢？是一些外部信息嗎？我如何將它映射到一個(gè)標(biāo)簽，讓我的算法可以從中學(xué)習(xí)？…我太習(xí)慣于被賦予一個(gè)有標(biāo)簽的數(shù)據(jù)集，以至于我從未考慮過僅僅創(chuàng)建這個(gè)標(biāo)簽需要大量的思考、領(lǐng)域知識(shí)和業(yè)務(wù)考慮。這取決于您如何定義標(biāo)簽，您可以使用的問題和功能完全改變。

data:我已經(jīng)暗示了接下來會(huì)發(fā)生什么，而且眾所周知，獲取正確的數(shù)據(jù)是ML問題的一個(gè)困難部分。然而，當(dāng)你第一次偶然發(fā)現(xiàn)這個(gè)問題時(shí)，它仍然會(huì)打擊你。數(shù)據(jù)很難得到，而且很雜亂，不應(yīng)該盲目相信。構(gòu)建標(biāo)簽實(shí)際上是在獲得數(shù)據(jù)源之后。在我的第一個(gè)任務(wù)中，我有兩個(gè)來自不同來源的數(shù)據(jù)集，我必須合并并映射到每個(gè)商家自己的特性集。對(duì)于您引入的每一個(gè)新的信息源，您不僅需要確保數(shù)據(jù)質(zhì)量是可接受的，而且要確保您沒有引入任何偏見，或者至少您對(duì)此做出了解釋。

在某些情況下，你甚至沒有你想要解決的問題的數(shù)據(jù)，機(jī)器學(xué)習(xí)在任何一行代碼之前幾個(gè)月就開始了，建立數(shù)據(jù)收集策略和與其他團(tuán)隊(duì)的關(guān)系。

評(píng)估:我們有數(shù)據(jù)集和標(biāo)簽。我們開始建?！覀?nèi)绾魏饬啃阅?？這不僅是使用哪種度量的問題，而且是它是否有業(yè)務(wù)意義的問題。權(quán)衡在這里起著很大的作用。我以前從來沒有考慮過用什么指標(biāo)來衡量我的模型的性能，這是給定的。我真的在等別人告訴我：使用精確度/ROC-AUC/等。當(dāng)這種情況沒有發(fā)生時(shí)，我不得不考慮一個(gè)指標(biāo)及其含義，我意識(shí)到花很多時(shí)間思考這個(gè)問題有多重要，我對(duì)我所學(xué)的任何一本書或課程都很少關(guān)注這個(gè)話題感到失望。只要想一想：根據(jù)當(dāng)它實(shí)際上是假的（即假陽性）或任何類似的變化時(shí)預(yù)測(cè)真的“糟糕”程度，您可能希望保持最低的精確度或召回率，而不管您的一般度量（如ROC-AUC）如何上升或下降。這只是一個(gè)例子，還有很多。

這些是我意識(shí)到在我所學(xué)的任何課程或閱讀的任何書籍中都沒有學(xué)到的要點(diǎn)。這些都是我在工作中日復(fù)一日學(xué)到的東西，感謝真正有經(jīng)驗(yàn)和耐心的同事。

在我的旅程中是什么幫助了我

當(dāng)然，也有一些意想不到的好的部分，在這些部分中，我可以利用我作為一名軟件工程師多年來獲得的技能。列舉一些：

• 通用軟件開發(fā)實(shí)踐:在許多課程中，大量的時(shí)間用于解釋常見的軟件開發(fā)實(shí)踐：版本控制、基本編程、專注于單一編程語言（90%的時(shí)間該語言是Python）等。在與軟件工作多年后，這不僅是我已經(jīng)有過的實(shí)踐，而且是我“內(nèi)心深處”的東西。這使得我更容易開始測(cè)試和實(shí)現(xiàn)想法，并希望傳播這些實(shí)踐，激勵(lì)我最近加入的團(tuán)隊(duì)。
• 閱讀和理解他人的代碼:因?yàn)檫@是我一直在做的事情，所以我非常樂意閱讀其他同事的代碼，并希望能給出建設(shè)性的反饋。
• 靈活性當(dāng)涉及到“工作的正確工具”時(shí)。機(jī)器學(xué)習(xí)工程師往往會(huì)陷入他們所使用的工具中，無論他們喜歡什么。雖然我沒有數(shù)據(jù)來支持這一說法，但我注意到了這一點(diǎn)。因?yàn)槲沂褂眠^許多語言和框架，所以我發(fā)現(xiàn)它相對(duì)容易（而且令人興奮！）嘗試新的工具和庫，希望這給了我一個(gè)更廣泛的視圖和工具集。

所以...怎么辦？

如果您的情況與我類似，我有以下附加練習(xí)，用于您正在閱讀的書或您正在學(xué)習(xí)的課程中的下一個(gè)練習(xí)。嘗試回答以下問題:

• 您試圖解決/預(yù)測(cè)什么？您理解問題的所有部分嗎？
• 提供的數(shù)據(jù)對(duì)您試圖解決的問題有意義嗎？
• 數(shù)據(jù)是如何收集的？如果您不能肯定地回答這個(gè)問題，您將如何收集數(shù)據(jù)？需要多長時(shí)間？誰需要參與數(shù)據(jù)收集？是web開發(fā)人員（可能點(diǎn)擊事件），還是應(yīng)用程序開發(fā)人員（應(yīng)用程序使用數(shù)據(jù)），等等
• 如果這是一個(gè)要在公司內(nèi)部解決的問題，那么除了您的預(yù)測(cè)之外，該項(xiàng)目還需要什么？一些基礎(chǔ)結(jié)構(gòu)？有什么商業(yè)決定嗎？應(yīng)用程序中的新功能？將涉及誰？
• 您使用的評(píng)估指標(biāo)是什么？您了解嗎？對(duì)這個(gè)問題合適嗎？對(duì)于這個(gè)問題，有沒有其他更有意義的度量方法？遺漏樣本分類的成本是多少？
• 不管目標(biāo)性能是什么:何時(shí)如果這是一個(gè)真正的項(xiàng)目，您會(huì)感到高興嗎？為什么是這個(gè)數(shù)字？為什么不調(diào)低/調(diào)高？

我相信，如果你真的試圖回答所有這些問題，你在學(xué)習(xí)過程中遇到的每一個(gè)練習(xí)，你會(huì)在“現(xiàn)實(shí)生活中”發(fā)展出一個(gè)更廣泛和現(xiàn)實(shí)的機(jī)器學(xué)習(xí)觀點(diǎn)。

我希望這個(gè)帖子對(duì)很多人的學(xué)習(xí)之旅有所幫助！如果你有任何問題，請(qǐng)聯(lián)系我們，或者想與我們分享你的故事，我們很樂意聽到它！