如何快速了解一个机器学习工具？
使用正确的工具可以决定您是能快速获得良好的预测，还是会陷入一个无法交付的项目。您需要在它们被使用之前评估机器学习工具。
您需要知道某个机器学习工具是否适合您，是否适合您的项目，并且您是否可以信任它。
在这篇文章中，您将学会如何快速设计并填写一份单页的算法描述模板。您可以将此类机器学习工具模板用于评估机器学习工具，并直接将其与其他工具进行比较和对比。
机器学习工具模板
照片来自 visualpun.ch，保留部分权利。
关于机器学习工具的问题
很难发现一个机器学习工具是否适合您。
为项目选择和采用机器学习工具是一项重要的决定。它必须提供满足项目目标所需的功能。它还必须提供您在实际使用中所需要的接口、文档、支持以及一切。
有时，了解工具的工作原理或工具的局限性至关重要。您总是需要知道您可以信任该工具能够兑现其功能，并且在需要时有足够的支持。
您对机器学习工具有疑问，而找到答案有时会非常困难，甚至荒谬。更糟糕的是，一旦您获得了答案，您将无法清晰地评估您所了解到的关于该工具的一切，也无法将其与其他工具进行直接比较。
设计和填写工具描述
答案是记录您对机器学习工具的所有具体疑问。
花点时间思考所有这些问题，如果得到解答，就能帮助您决定该工具是否适合您，以及与您正在考虑的其他工具相比，它是否更合适（或不合适）。
您可以使用这些问题创建一个小型的单页工具描述模板。通过研究每个问题，您可以快速填写该模板，并获得一份高度定制化的工具描述。
它提供了一种结构化的方式来研究和捕获您需要了解的工具信息，同时为与其他工具进行比较提供评估和参考点。
您还可以存储、更新、共享并一遍又一遍地在未来的项目中使用它。
描述任何机器学习工具
通过系统化的流程，您可以描述任何机器学习工具。
快速 5 步流程
以下是描述任何机器学习工具的快速 5 步流程。
- 选择工具：选择您要描述的工具。这可能来自您之前创建的工具简短列表。或者，它可能是一个新工具，或者是一个引起您注意的工具，您想了解更多信息。
- 识别问题：列出您对该工具的疑问。具体的问题很有用（例如，许可证协议是什么？）。更可能的是开放式问题，需要信息摘要（例如，该工具涵盖了应用机器学习流程的哪些任务？）。
- 创建模板：将这些问题放入一个新的文本文档或电子表格中，并在每个问题周围留出空间以便填写答案。这就是您的机器学习工具模板。您可能希望保存未完成的模板并在未来的项目中使用它。
- 研究：使用您喜欢的搜索引擎研究您的工具。一次只专注于一个问题，并将问题中的语言用作搜索条件。尝试每个问题只花费几分钟来捕捉答案的总体思路或大概内容。
- 完成模板：使用您的搜索结果填写模板。使用项目符号，并专注于对问题和您有用的、有意义的关键细节。不要大块地复制粘贴文本。这无助于您更好地理解工具。
优秀工具描述技巧
以下是 8 个技巧，可帮助您制作出色的机器学习工具描述。
- 快速完成模板。创建模板不要花费超过 30 到 60 分钟。工具和模板不是项目。快速完成它，捕捉大体思路，并使用模板。您总可以在以后进行另一轮研究。
- 使您的模板具有针对性。不要试图捕获机器学习工具的所有属性。专注于在您能够决定该工具是否对您有用之前，您真正需要回答的 5 到 10 个问题。这些问题很可能围绕工具的功能以及您对工具能否交付的信任。
- 采用一致的模板。在评估不同工具时，请考虑使用相同的模板。使用相同的结构将使与其他工具的直接比较和对比变得容易得多。
- 使用电子表格。如果您不喜欢写作，可以考虑使用电子表格。将属性列为列标题，并将每个行作为标题下的新项目符号。这将迫使您保持简洁。
- 分享您的结果。与朋友、同事或公众分享您的结果。如果您对某个工具的评估足够感兴趣，那么很可能其他人也会感兴趣，并可能从您的描述中受益。
- 建立在您的结果之上。您可以在将来重新访问工具描述并更新它。如果工具在新版本中发生变化，或者您即将开始新项目，这会很有用。
- 联系以获取更详细的信息。如果您有无法获得清晰答案的问题，请考虑通过电子邮件或论坛消息联系该工具的用户甚至开发者。清晰直接的问题将是最有效的方法。
- 使用项目符号描述。这通常是一个很好的方法，特别是如果您不喜欢写作。它使描述清晰、有针对性且有用。
模板示例问题
以下是 10 个示例问题，您可以使用它们来构建您的机器学习工具模板。
- 该工具的全称、昵称和缩写是什么？
- 该工具的许可证协议是什么？
- 可以使用哪些编程语言与该工具结合使用？
- 该工具提供哪些接口（例如，图形界面、命令行、编程接口等）？
- 围绕该工具有哪些社区（例如，论坛、插件、博客等）？
- 谁创建了该工具，何时以及为何创建？
- 该工具多久更新一次，最后一次发布是什么时候（例如，最近的发布计划）？
- 该工具涵盖了应用机器学习过程中的哪些任务？
- 该工具提供了哪些建模算法？
- 有哪些关键资源可用于掌握该工具（例如，书籍、论文、网站）？
您可以描述机器学习工具
您的描述不需要完整。您只需要涵盖您感兴趣的工具的细节，并帮助您决定它是否对您的需求有用。不要创建详尽的工具描述，这对您来说将是浪费时间的。工具不是项目。
您不需要成为机器学习专家。您不需要知道所有的算法是什么，或者所有的术语意味着什么。您只需要能够描述对您来说很重要、能帮助您做出决定的工具属性。
您不需要成为该工具的专家。创建工具描述既不需要您成为该工具的专家，也不会使您成为该工具的专家。这是一个您可以用来快速了解该工具的过程。您可以从网站、书籍、论文、博客等收集所有您需要的信息。
您不需要成为程序员。许多机器学习工具是需要您成为程序员才能使用的库。但是，也有许多机器学习工具提供图形界面、Web 界面和命令行界面。如果您不是程序员，请专注于描述那些您无需编写任何代码即可使用的工具。
您不需要成为作家。您的工具描述不需要冗长，也不需要写得好。您可以使用项目符号捕获所需信息。您甚至可以使用电子表格来创建描述。
总结
在这篇文章中，您学会了如何非常快速地创建机器学习工具的描述。
机器学习描述可用于评估机器学习工具，并与其他机器学习工具进行比较和对比。它是帮助您决定某个机器学习工具是否适合您的需求或项目的宝贵辅助工具。
您可以使用以下 5 步流程快速描述任何机器学习工具
- 选择您要描述的机器学习工具。
- 确定您要捕获的工具属性。
- 将工具属性布局到文本文档中，作为您要填写的模板。
- 使用书籍、论文、网站、论坛以及您发现有用的任何其他来源在线研究该工具。
- 使用搜索结果，通过项目符号填写模板。
你的下一步
立即描述一个机器学习工具！
- 选择一个您想要描述的机器学习工具。
- 使用上述流程进行描述。
- 反馈给我，我很想看看您的描述。
您对此过程有任何疑问吗？给我发电子邮件或发表评论。
暂无评论。