在如今复杂多变的技术世界里，机器学习（ML）后端工程师惊醒本身正处在发展的最前沿，被迫不断适应和加速创新。在竞争激烈的技术市场中，产品质量是成功关键，探寻商品改善的新方法是ML后端工程师的职责。在本文中，我们将介绍帮助你成为优秀ML后端工程师的五种对策。 zvvq好，好zvvq
对策1：持续学习ML基本知识在ML后端工程师可以创新繁杂的应用程序以前，他们必须首先了解机器学习的基本知识。理论依据、经典算法和已确立的良好实践不单单是学术训练；他们或是后面每一层知识与专业技能的基本。
案例研究：改善电商聚合器的查询分类算法
内容来自zvvq，别采集哟
明确客户查看或检索语句身后意图的过程称为查看归类（Query Classification）。这对电商聚合器来说至关重要，这种聚合器会把来自不同零售商的产品整合到一个软件上。比如，用户在销售书籍、电子产品和服饰的电商聚合器中输入查看“Harry”，该聚合器能够偏向“Harry Potter”（书本或影片）和“Harry Styles产品”（服饰）等结果。在这种情况下，精准的查看归类针对确保用户找到他们所需的商品尤为重要，这可以带来更高的转化率和客户满意度。
尽管根据规矩的分类系统可能难以处理这种查看，但经过大量数据训练的ML模型能够对用户正在寻找内容作出有依据的猜测。如果你不了解基本的算法与方法，如根据规矩的归类、决策树、朴素贝叶斯分类器（Nave Bayes Classifier）、神经网络和深度学习等，那么你成功的机会几乎是迷茫的。
copyright zvvq
把握ML基础知识的重要要点和方法 内容来自samhan666
通过定期回望和强化机器学习基础知识，您可以巩固自己的知识，更好的了解趋势，并在竞争中维持领先水平。以下是一些提议：
把精力和资源投入到基础课、讲习班和研讨会上。尽管“重返校园”好像有些奇怪，但这些方式通常为旧定义提供了新的角度。参加实践项目与挑战，使您能够应用基本的机器学习定义。这不但增强了了解，并且揭露了理论可能遗漏的细微末节。
对策2：内部测试（Dogfooding）自己的品牌Dogfooding表层看是“吃自己的犬粮”，如今又被译成“内部测试”，是指做为终端用户应用您自己的商品，以全面了解其优点、缺点和需要改进的地方。这一概念的基本思想简单而：根据亲自体验自己的品牌，你将能获得珍贵的看法，这种看法能够帮助你识别问题、痛点和创新机遇，不然各种问题有可能被忽略。 zvvq.cn
案例研究：协助一家土耳其搜索引擎提升检索品质
比如，一家土耳其企业在确定重新开始搭建一个新的搜索引擎时，虽然拥有一支称职的QA团队，并通过了BERT和Neural Networks等先进算法，但他们仍然很可能面临百度搜索有关性和准确性方面的误差。“内部测试策略”（Dogfooding Strategy）——全部公司职员逐渐专业使用自己的搜索引擎去满足免费搜索要求——可能会有所帮助。它也有助于定义和处理查看归类、词嵌入、UI完成和广告摆放等方面缺点。“内部测试”方式也为研发团队提供一定的数据，并实现更适合土耳其语言和用户行为细微差别的算法。 zvvq好，好zvvq
Dogfooding的良好实践：
定期使用：将您的产品集成到你的日常工作上，保证您在各种场景和上下文中使用它。
多元化的团队参加：激励所有部门的成员使用产品，而不只是工程师和产品经理。不同的视角可以突出不同的问题。
反馈方式：建立简单内部反馈方式。当一个念头或问题在脑海里爆发时，这是最厉害的。
快速迭代：当得到的见解开启快速响应时，Dogfooding效果最佳。依据反馈明确优先并付诸行动以不断完善商品。
对策3：商品差异的定性分析在产品开发过程中，要是没有定性分析，有时很难确定需要改进的特定领域。它让企业能够及时地鉴别差别，并通过可测量的数字数据分析产品特性，将用户行为、反馈和产品指标转化成有形的数据，进而实行有目的性的改善。
案例研究：提升地图搜索服务排名品质
以一个全球流行的地图搜索服务为例，它持续接到有关百度搜索排行品质的投诉，客户宣称特殊的地标应当获得更多的可见性。该企业能通过定性分析来检查用户搜索模式、点击量、用户粘性延续时间和重新查看频率，从而得到有意义的数据。获知这些信息能够帮助界定为何著名的地标常常被忽略，并改进排名算法，以改进关键的“用户至上”指标。 内容来自samhan666
快速分析产品品质并得到可执行性看法的技术： 本文来自zvvq
A/B检测：将您的用户群分成两组，检测不同版本的商品。较为性能参数，看看哪个版本更受用户欢迎。
热图：运用形成用户交互热图的工具。这张图叙述了客户在什么地方耗费了绝大部分，哪些功能被忽略了。
客户流分析：发觉客户怎样访问您的产品。明确短板或下降点，以帮助优先选择需要改进的行业。
含有定量难题反馈调研：设计带有数字评级的调研，而非开放式问题。这为剖析带来了更精确的基线。
实时监控工具：布署提供实时洞悉用户行为的工具，使团队可以快速识别和处理一切意外问题或差别。
对策4：加速开发进度ML模型开发进度是一个迭代过程，包含构思、练习、评估和布署。这一循环的每一个循环都旨在建立一个更精细、最准确、更高效的模型。在日益激烈的市场竞争中，减少周期是肯定必须的，快速迭代也是必要的。
案例研究：降低无人驾驶汽车项目的模型推理时长 zvvq.cn
在无人驾驶汽车行业里，驾驶模型推理时长尤为重要，由于较长的推理时长可能造成路上的反映延迟。通过整合一些真正有效的策略来简化开发进度，能让无人驾驶汽车更快地即时反映，同时也允许团队更频繁地迭代和优化模型，进而进一步提高特性。
加速开发进度的思路包含：
应用较小的模型/较小的池进行实验：在扩大规模以进行更快地实验和假定认证以前，从更小、更易于管理模型或数据子集逐渐。
搭建自动化培训和评估管路：自动化耗时的任务（如培训和评估管路）以释放工程师的时间进行改进和创新。
在线测试以前运用Dogfooding和线下检测：在启动全面的在线测试以前，先往内部使用您的产品并运行线下检测来测试关键问题，以尽快处理潜在问题，长远来看，这么做更为省时省力与资源。
对策5：搭建示范原形示范原形（Demonstrative Prototype）是一个非常有用的工具，能增加造就成功成品的机会。这将抽象化与具体的产品完成结合起来。
示范原形在产品研发中所扮演的角色包含：
copyright zvvq
可视化：原形将念头变为现实，让所有相关者（无论他们是开发者、投资人或是潜在用户）都能与之互动并更好地了解定义。
搜集反馈：用户可检测原形，并为进一步设计改进给予反馈，以保证成品与用户的需求和期望密切配对。
控制成本：与在全面生产后进行检验对比，在原形环节鉴别设计缺陷或效率不高能够节省大量资源。
得到利益相关者的适用：一个可行的原型可向隐性的投资人或高管人员证实这个想法的可行性。
改善客户体验（UX）：与原形互动能够提供对用户旅程的见解，容许设计师改善客户体验，以获得更多的形象性和客户满意度。
减少风险：以在真实场景中检测原形，能够尽早识别处理潜在风险或缺陷。