大家好
在机器学习领域的12家创业公司工作之后，我得出了关于产品，数据和人员的八个有用的结论。
所有的初创公司都来自不同的领域（金融科技，生物技术，医疗保健，培训技术）和处于不同的阶段：在种子期和被大公司收购的阶段。 我的角色也发生了变化。 我是一名战略顾问，数据分析主管，被全职员工所淹没。 所有这些公司都试图创造出好的产品，并且许多成功了。
在工作中，我得出以下结论：
产品比AI更重要
这些初创公司正在开发产品，而不是学习人工智能。 作为一个有说服力的数学家，起初我对机器学习以及创建新方法和算法更感兴趣。
我很快意识到，即使是准确的机器学习模型本身也不有价值。 人工智能和机器学习的价值直接取决于使用它们的产品的价值。 创业公司的目标是学习如何创建机器学习产品。
通过这种方法，有时会发现机器学习并不是最有效的工具。 有时问题不在手头的任务中，而是在解决过程中。 即使在这种情况下，求助于科学家也是有用的：他们使用科学的，基于数据的方法。 但是，不要在需要修复流程的AI上浪费时间。
力争数据与产品之间的协同作用
您无法通过将基于机器学习模型的预测添加到现有产品来创建有价值的东西。 强大的AI并不是产品的补充，而是基础。 在这种情况下，正是AI创造了价值。 开发此类产品时要考虑到以下事实：产品和数据在其中协同工作。
良好的执行力会导致互动，我称之为“产品和数据的结合”。 该产品充分发挥了数据的潜力，同时生成了改进所需的新数据。
在进行AI工作时，不仅需要处理这些数据的工程师和科学家。 如果团队的其他成员（从产品经理到经理）参加讨论，则关于产品价值的工作会更快。 这需要一定程度的知识和参与，即使是在初创公司工作的工程师也不习惯。
首先是数据，然后是AI
人工智能和机器学习需要大量高质量数据。 从头开始创建产品时，请考虑从第一天开始收集数据。 在将人工智能技术引入现有产品之前，要做好准备在数据工程和架构变更方面投入大量资金。
首先，找出产品的价值，然后才能开始工作。 数据处理的越好，分析的信息就越丰富-这对于公司的发展至关重要。 因此，您可以展示产品的价值并吸引投资者。 当分析可靠时，就开始考虑机器智能。
投资沟通
要创建产品，您需要合格的产品经理和管理支持。 强大的AI和深度学习吸引了许多人，但是远离IT行业的人们并不精通这些技术。 要讨论机器学习和AI，您需要了解统计信息：沟通效率低下会导致不切实际的期望。
产品经理和数据工程师必须不断讨论业务指标以及如何将其转换为产品。 这对工程师而言尤其重要：为了进行有效的工作，他们需要加深其领域和业务领域的知识。
“简单而明显的解决方案”不是那么明显
如上所述，通常，使用简单明了的方法更容易解决任务。 部分原因是今天的“简单而明显”的决定昨天复杂而原始。 现在使用
word2vec就像
回归一样容易。 每天都有越来越多的新工具出现，因此了解这些工具对于数据分析师至关重要。
新的开放源代码工具的出现导致了这样一个事实，即现在机器学习中的专有平台已经不是有效的解决方案。 当然，如果专有算法对您的行业有效并且可以解决您的问题，则应使用专有算法。 但是，让我们离开对Google员工的深入研究-专注于业务任务。
如有疑问，请向用户显示数据
在早期阶段，与市场建立反馈非常重要。 但是，机器学习需要花费大量时间来收集数据。 问题是：如何在没有大量数据的情况下分析图片？
最好的解决方案通常是向用户显示累积的数据。 几乎没有数据没关系：人们一次只处理少量数据。 查看用户如何与数据进行交互：他们忽略了什么以及想更详细地了解什么？ 这样，您将了解业务数据的潜在价值。
建立信任
信任是大多数技术成功的基础：人们希望信任他们使用的技术。 有些人担心自动化会抢走他们的工作，而另一些人则依靠技术来做出重要的决定。 在这两种情况下，对机器学习应用程序和算法的信任都很重要。
如果人工智能不能帮助人们做出决定，而是做出决定，那么用户将很快对应用程序失去信心。
信任很容易失去，也很难恢复。 创建人们会信任的产品。
与同事分享文章，得出结论并富有成效地工作。 如果您有什么要分享的内容，请在评论中写。 在
电报频道Neuron （@neurondata）中获得有关机器学习的更多信息。
所有的知识！