点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
在接到一个新项目的时候，对其进行合理的安排和规划往往会有事半功倍的效果。
下面是从规划30 多个机器学习项目的经验中，提炼出的一个简单有效的checklist。一起来看看叭~
项目动机
明确你的项目的更广泛的意义。
- 你要解决的问题是什么？What is the problem you want to solve?
如果项目团队不理解你的动机，那么他们就很难提出好的建议。有很多方法可以解决机器学习的问题。所以帮助你的团队以你最感兴趣的方式工作——退一步告诉他们为什么这个项目是重要的。
问题定义
对于给定的输入，你的机器学习模型将理想地学会预测非常具体的输出。所以这里你要尽可能的清楚。“预测机器故障”可能意味着很多事情 —— “告诉我，在未来24小时内，意外停机的风险何时增加 50%以上”更好。
模型预测输出的唯一方法是从模型的输入因子中派生出来。所以，为了有机会做出好的预测，你必须有与输出相关的数据。数据越多越好。
算法不能理解我们的世界。重要的是，你要给数据科学家一些提示，告诉他哪些数据实际上是相关的，这样他就可以用算法能够理解的方式选择和分割数据。
一个算法需要的练习比一个人要多得多。你最少需要 200 个样本。越多越好。
性能度量
你怎么知道什么是好的结果？
有没有一种简单的方法来利用你已有的数据进行预测？也许你可以根据去年的数字预测销售额，或者通过计算客户上一次登录后的天数来评估客户离开的风险。一个简单的基准测试可以为你的团队提供有价值的问题洞察力。它给你一些东西来衡量模型。
你希望预测的准确率平均在 5% 以内，还是更重要的是预测误差不超过 10%？你的模型可以以任何一种方式进行调优。哪种方式更好取决于什么对你来说是重要的。
即使这对你来说是显而易见的，把它写在纸上也能帮助你理清思路。
如果有人以前解决过类似的问题，就把他们的解决方案当作灵感。这为每个人提供了一个共同的起点，这样他们就可以看到要使用哪些数据，可能会出现哪些问题，以及要尝试哪些算法。
时间线
一个性能验证项目的时间线示例。
人工智能解决方案可以无限地改进。明确的最后期限有助于让团队集中精力。
联系人
- 谁能帮助理解当前的流程和/或简单的基准测试(领域专家)？
在一个项目的过程中会出现许多问题。明确你的工程师可以向谁求助。
合作
每周安排一次会议来查看当前的结果，并讨论那些不需要通过电子邮件来回答的问题。
在学习如何管理人工智能方面，没有什么比实际项目的实践经验更有价值。如果你想让你的团队的其他成员学习，从一开始就要说清楚。
让所有的开发从一开始就透明。这样任何人都可以很容易地加入，给出提示，并检查进展。
回答这个清单上的问题，并与大家分享
世界仍在研究如何最好地运行人工智能/机器学习项目。填写这份清单将会给你所有成功的机器学习项目的要素之一：理解。
好消息！
小白学视觉知识星球
开始面向外开放啦👇👇👇
下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV
实现20个实战项目，实现OpenCV学习进阶。交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
