對標蘋果的靈動島 華為帶來實況窗功能
繼蘋果的靈動島之后，華為也在今天正式推出了“實況窗”功能。據今天鴻蒙OS 4.0的現場演示顯示，華為的實況窗可以更高效的展現出實時通知，比如鎖屏上就能看到外賣、打車、銀行
作者丨Alexei Bochkarev
譯者 | 晶顏
審校 | 重樓
出品 | 51CTO技術棧（微信號：blog51cto）
在當今瞬息萬變的技術世界中，機器學習（ML）后端工程師驚覺自身正處于進步的最前沿，被迫不斷適應和加速創新。在競爭激烈的技術市場中，產品質量是成功的核心，尋找產品改進的新方法是ML后端工程師的責任。在本文中，我們將介紹幫助您成為優秀ML后端工程師的五種策略。
在ML后端工程師能夠創新復雜的應用程序之前，他們必須首先了解機器學習的基礎知識。理論基礎、經典算法和已確立的最佳實踐不僅僅是學術練習；它們還是后續每一層知識和專業技能的基礎。
案例研究：改進電子商務聚合器的查詢分類算法
確定用戶查詢或搜索短語背后意圖的過程稱為查詢分類（Query Classification）。這對電子商務聚合器來說至關重要，這些聚合器會將來自不同零售商的產品整合到一個平臺上。例如，客戶在銷售書籍、電子產品和服裝的電子商務聚合器中輸入查詢“Harry”，該聚合器可以指向“Harry Potter”（書籍或電影）和“Harry Styles商品”（服裝）等結果。在這種情況下，精確的查詢分類對于確保用戶找到他們所需的產品至關重要，這可以帶來更高的轉化率和用戶滿意度。
雖然基于規則的分類系統可能難以處理這樣的查詢，但經過大量數據訓練的ML模型可以對用戶正在尋找的內容做出有根據的猜測。如果您不了解基本的算法和方法，如基于規則的分類、決策樹、樸素貝葉斯分類器（Nave Bayes Classifier）、神經網絡和深度學習等，那么您成功的機會幾乎是渺茫的。
掌握ML基礎知識的關鍵要點和技巧
通過定期回顧和加強機器學習基礎知識，您可以鞏固自己的知識，更好地了解趨勢，并在競爭中保持領先地位。以下是一些建議：
Dogfooding表面看是“吃自己的狗糧”，現在也被譯為“內部測試”，指的是作為最終用戶使用您自己的產品，以深入了解其優點、缺點和需要改進的地方。這個概念的基本思想簡單而深刻：通過親自體驗自己的產品，您將能獲得寶貴的見解，這些見解可以幫助您識別問題、痛點和創新機會，否則這些問題可能會被忽視。
案例研究：幫助一家土耳其搜索引擎提高搜索質量
例如，一家土耳其公司在決定從頭開始構建一個新的搜索引擎時，盡管擁有一支稱職的QA團隊，并利用了BERT和Neural Networks等先進算法，但他們仍然很可能會面臨搜索結果相關性和準確性方面的偏差。“內部測試策略”（Dogfooding Strategy）——所有公司員工開始專門使用自己的搜索引擎來滿足在線搜索需求——可能會有所幫助。它將有助于定義和解決查詢分類、詞嵌入、UI實現和廣告放置等方面的缺陷。“內部測試”方法將為技術團隊提供必要的數據，以實現更適合土耳其語言和用戶行為細微差別的算法。
Dogfooding的最佳實踐：
在產品開發過程中，如果沒有定量分析，有時很難確定需要改進的特定領域。它使企業能夠準確地識別差距，并通過可測量的數字數據剖析產品性能，將用戶行為、反饋和產品指標轉化為有形的數字，從而執行有針對性的改進。
案例研究：提高地圖搜索服務的排名質量
以一個全球流行的地圖搜索服務為例，它不斷收到關于搜索結果排名質量的投訴，用戶聲稱特定的地標應該得到更多的可見性。該公司可以通過定量分析來檢查用戶搜索模式、點擊率、用戶粘性持續時間和重新查詢頻率，從而獲得有價值的數據。獲悉這些數據可以幫助定義為什么著名的地標經常被忽視，并改進排名算法，以改進關鍵的“以用戶為中心”的指標。
快速分析產品質量并得出可操作性見解的技術：
ML模型開發周期是一個迭代過程，包括構思、訓練、測試和部署。這個循環的每一個循環都旨在建立一個更精細、更準確、更有效的模型。在日益激烈的市場競爭中，縮短周期是絕對必要的，快速迭代也是必要的。
案例研究：減少自動駕駛汽車項目的模型推理時間
在自動駕駛汽車行業中，駕駛模型的推理時間至關重要，因為較長的推理時間可能導致道路上的反應延遲。通過整合一些真正有效的策略來簡化開發周期，可以讓自動駕駛汽車更快地實時反應，同時也允許團隊更頻繁地迭代和改進模型，從而進一步提高性能。
加快開發周期的策略包括：
示范性原型（Demonstrative Prototype）是一個非常有用的工具，可以增加創造成功最終產品的機會。它將抽象概念與具體的產品實現聯系起來。
示范性原型在產品開發中所扮演的角色包括：
在本文中，我們研究了如何在這個蓬勃發展的行業中成為優秀機器學習（ML）后端工程師。他們專注于持續學習機器學習基礎知識，使用Dogfooding方法和定量分析，加速開發周期的技術，以及構建示范性原型。
如果您選擇ML后端工程師的職業路徑，那么將這些策略應用于您的日常工作可以幫助您提高績效，將自身水平達到新的高度，并推動整個技術領域向前發展！
參考鏈接：https://hackernoon.com/five-strategies-to-become-top-ml-backend-engineer
本文鏈接：http://www.tebozhan.com/showinfo-26-15733-0.html頂級ML后端工程師“進化”指南
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： 數據結構與算法（DSA）基礎篇
下一篇： 如何避免Java內存泄漏，來看看這個
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號