2024-11-11|閱讀時間 ‧ 約 3 分鐘

《如何建立你的 AI 職業生涯》第四章-如何規劃成功的 AI 專案

此篇文章有PODCAST可以聽喔

內容來自 deeplearning.ai的 How to Build Your Career in AI 《如何建立你的 AI 職業生涯》。

內容

作為 AI 架構師，其中一項重要的技能就是能夠辨識出值得投入的想法。接下來的幾章中，我將探討如何找到並執行專案，讓你能夠獲得經驗並建立自己的作品集。

這些年來，我一直很享受將機器學習應用到各種行業，包括製造、醫療保健、氣候變遷、農業、電商、廣告等。對於不熟悉這些領域的人來說，如何從中找到有意義的專案呢？這裡有五個步驟，幫助你確定專案範圍。

步驟 1：識別商業問題（而不是 AI 問題）

找出一個與 AI 無關的商業問題來解決。我喜歡詢問領域專家：「有哪些三件事你希望能夠改善？為什麼這些問題還沒得到解決？」舉例來說，如果你想將 AI 應用於氣候變遷，你可能會發現電網營運商無法準確預測風能和太陽能等間歇性能源未來的發電量。

步驟 2：腦力激盪 AI 解決方案

年輕時，我總是急於執行第一個想到的點子。有時這還不錯，但有時候我會錯過一個更好的想法，而那個想法實際上並不需要更多的努力來實現。理解問題之後，你可以更有效地構思潛在的解決方案。舉例來說，為了預測間歇性能源的發電量，我們可以使用衛星影像精確定位風力渦輪機的位置，或者用天氣數據更準確預測雲層覆蓋情況，從而推測太陽輻照度。有時候，可能真的沒有一個好的 AI 解決方案，而這樣也沒關係。

步驟 3：評估解決方案的可行性與價值

你可以通過研究已發表的工作、分析競爭對手的方法，或者快速構建概念驗證來評估技術的可行性。你還可以與領域專家討論，例如電網營運商，請他們提供有關潛在解決方案實用性的建議。

步驟 4：設定里程碑

當你認為專案值得投入時，下一步就是設定需要達成的指標。這包括機器學習的技術指標（如準確率）和商業指標（如營收）。機器學習團隊通常對能夠優化的技術指標較為熟悉，但我們有時需要跳出舒適圈，設定與用戶參與度或收益相關的商業指標。不幸的是，並非所有商業問題都能簡單地優化測試準確率。如果你無法設定合理的里程碑，這可能意味著你需要更深入了解問題。簡單的概念驗證有助於彌補這個缺口。