你准确地说出了我目前的处境。在我公司，我一直是个多面手，但主要是做软件和数据库管理员的工作。几年前在炒作周期兴起时，我和老板对机器学习非常兴奋，并完成了一个成功的项目。但如今，我被借调到另一个失去了数据科学家的团队，这是我职业生涯中第一次不得不说道："我认为我们无法做到你们想要的。" 对我来说，"科学" 这部分特别突出。我对方法和工具有不错的理解，但经过几周的分析，我的结论是他们根本没有足够的有用数据...
源讨论为什么机器学习是'困难的'？（2016）原帖 140 条评论 · 导入时统计我以前在一个机器学习研究团队工作。除了作者提到的内容之外，还有一个完全不同的问题：你所尝试的事情是否可能通过你选择的方法实现。比如开发一个iOS应用，大多数情况下，有经验的软件工程师可以告诉你是否能实现某个应用，并且他们对实现该想法所需的步骤有相对清晰的认识。相比之下，机器学习问题：你通常不知道你的数据或模型选择是否能产生你想要的结果。此外，你不知道你没有结果是因为有错误（即作者提到的调试问题），还是因为你在流程的其他地方有根本性的障碍。
完整原文把你的经验，加入这段讨论。
这可能是一种非常经验性的艺术。如果你当时无法生成更多数据，有时可以投资于审查手动标记的地面真实数据，以确保没有错误分类的情况出现。
完整原文这就是良好模拟有用的地方。如果你能在理想简单的数据场景中展示出推断问题，这就表明真实数据几乎不可能做得更好。 一般来说，这些都是模型可识别性问题。
完整原文每个数据科学团队都应该有一句约翰·图基的名言作为墙上的装饰："数据和渴望得到答案的强烈愿望相结合，并不意味着可以从给定的数据中提取出合理的答案。"
完整原文> 他们只是没有足够的有用数据... 我对这个领域不太熟悉，或者不如你那么熟悉，但这是我从我参与的团队的很多机器学习项目想法中得出的结论。 你需要大量的数据才能做有用的事情。尤其是人们往往想要做的那些神奇的事情。我认为这些类型的数据集的规模是大多数软件开发人员通常看不到的。即使手头有数据，要确定如何用它做些半有用的事情也并不简单。
完整原文尊重不同观点，分享具体经验。
登录后即可发帖、评论、转发和引用。