知识卡片
真正通用的用例可以直接买预训练模型
买现成方案有个硬前提:组织当前使用的数据与流程,必须与该方案预期的输入输出及行为高度兼容;若某个用例的细节、数据或流程很专属,为了让内部系统与流程去匹配供应商规格所花的力气,可能把「买现成的」收益全部抹掉。但如果打包方案确实通用,收益可以很大。随着 ML 服务商增多,这种可能性还在持续变好,作者举了几类极其有用又真通用的用例:图像中的物体识别(告诉我图里有什么)、多语种的文本转语音与语音转文本(与用户做语音交互)、情感分析(告诉我一段文本对其主题是正面还是负面)。在这些例子里,预训练模型能跨大量用例(包括 YarnIt 的)工作良好,甚至可以完全跳过训练模型这一步。另一个常被忽略的维度是公司的数据战略:部署某个 ML 用例的收益远超该用例本身,首个用例常常是完整数据计划的起点,因此模型的建购决策也要把「获取专业知识与技术本身有时就是目的」算进去,有时收购专长与技术就是实际目标。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- How Product and ML Interact · 查看原书依据
In all of these examples, pretrained models can work well across a large number of use cases, including ours at YarnIt. In these cases, we might be able to skip training a model entirely.
参考来源
- 位置:《Reliable Machine Learning》第12章《How Product and ML Interact》(源文件:extracted/Reliable Machine Learning/_epub-src/OEBPS/ch12.xhtml)
- 结论依据:原文明确阐述该主题,并给出定义、实践或反例。
- 原始内容:In all of these examples, pretrained models can work well across a large number of use cases, including ours at YarnIt. In these cases, we might be able to skip training a model entirely.