2019 年 4 月
第 34 卷，第 4 期
[編者小記]
適應機器學習
藉由Michael Desmond |2019 年 4 月
.jpg "Michael Desmond")
當 Geoff Hulten 直到最近主體機器學習服務在 Microsoft，科學家已接近我有關撰寫關於機器學習服務原則和模式的發行項時，我是興致。MSDN Magazine 致力於提供協助改善及擴充他們的技能的開發人員工作的程式碼層級、 how-to 文章。而且，雖然我們已發行數十個查看多年的機器學習服務的各個層面的文章，我們還沒有鑽研應該指南解決機器學習服務的決策制定的較高層級、 操作概念。
Hulten 的功能，「封閉迴圈智慧：設計模式，適用於 Machine Learning，」 變更。而不是棘手的技術性問題或新工具的策略性瀏覽、 本文一起深入探討典範與實例，甚至有重大影響到成功的機器學習專案。本文深入探討的機器學習服務管理的四個重要層面：若要啟用良性循環的意見反應，將機器學習服務套用至正確的目標，建置系統來支援機器學習服務為基礎的解決方案，以及了解什麼會進入執行機器學習式系統的使用者使用的連接。
我問 Hulten 是很重要的開發人員能夠花點時間了解金鑰的原則和模式，他們開始機器學習專案。他會提供許多的開發人員所熟悉的比較。
「 還記得經過我自己個人轉換程序從物件導向程式設計。您很容易落到舊的習慣，並使用您眼前的幾個物件建立基本上程序的程式。也很容易就能進入 [全文上物件-出現異常-o-land 並建立其中已接管物件，而程式變成毫無用處太大的意義，"Hulten 說。「 我認為機器學習服務是只為功能強大並轉換為物件導向程式設計：若要充分利用它，您需要思考的問題而稍有不同;您也需要開發一些智慧用法以及判斷使用機器學習服務適當的功能。 」
不用多說，與重大的轉變，錯誤有很多。我將 Hulten 詢問常見的機器學習服務過失，和他挑出的開發人員就可能會視為 「 神奇的區塊方塊 」，可以整合到之類的函式呼叫的應用程式中的機器學習服務了。
「 這個簡單的方式應用程式可以支援機器學習服務並以最佳的影響，所有的遺漏"他說明。「 呈現成功時，降低成本的錯誤，因此塑造使用者互動的預測他們建立最佳的定型資料，以及還有更多。 」
另一個常見的誤解：如何在機器學習系統中處理錯誤和錯誤。Hulten 指出開發人員通常會視為錯誤 「 燒錄為零。 」 類似的程式碼缺失的機器學習服務錯誤 但是，他強調的是，機器學習服務，根據設計，會使錯誤。若要利用機器學習應用程式必須 「 擁抱中學到教訓，協助減少所造成的損壞 」 的能力，他說。
Hulten 也會呼叫開發人員將需要較長的檢視，並提供其機器學習服務應用程式如何隨著時間的仔細考慮產生改進的影響和效率。它的建議可回呼至他的文章中所述的良性循環模式。
指出 Hulten:「 當您將機器學習服務放在正確的位置時，您的應用程式應該改善每次使用者與其互動。 」
Michael Desmond是的總編輯MSDN Magazine。