前言 | ML#Day1

AI和资料科学在最近几年是非常火红的话题，日常已经可以随处可见各种广告或者企业将AI挂在嘴边，声称其应用采用AI人工智慧，帮助产品或者使用方式更加智能，为生活带来更多的进展与生产力，身处软件行业的我们，不免三不五时就会接触这方面的资讯。

另一方面，公司的云端方案是采取GCP (google cloud platform)，在与Google合作一段时间之後，我们也知道Google持续推出许多AI的相关产品，而且功能数量一直增加与改版，这个领域一直在快速发展。

然而我们不了解AI能够为我们带来什麽样的帮忙，也不知从何导入，若将AI视为一种工具，也因为不了解这个工具的使用方式和成本，而无法做出适当的评估，投入可接受的人力与资源从可行面切入。决定怎麽跨入很困难，但倘若始终不尝试跨入这个领域，终究也无法知道AI能够帮团队带来什麽价值，好像是鸡生蛋，还是蛋生鸡的问题。

我们希望能够明白，AI对於工作上的实务使用，与各方夸夸其谈的理论，这个距离究竟有多远？

在今年Q2刚开始的时候，因为营运上遇到一个既有技术或流程难以处里的问题，转念提出尝试使用AI去克服的想法，加上团队有新加入的夥伴拥有数学领域背景，看到了有机会研究的契机，又运气不错地获得主管同意，开始了从零出发的研究。

这些日子努力以来，了解了一些入门概念，也走了一些弯路，目标还是锁定在实务上的落地应用，顺手分享这个过程与心得笔记，提供作为一点参考资料与日後回顾。

人工智慧(AI)领域广阔，我们将目光先锁定在机器学习(Machine Learning)上面，以下简称ML，ML是属於AI底下的一支分支，也是资料分析与应用当中一个很重要的领域，就我们主观的判断，由於入门门槛要求「相对」较低，也有一些落地应用的机会和使用情境，所计画从这个角度切入。

前面的篇章，会先就概念上的核心问题作讨论，分享实际层面遭遇的困难，然後逐渐带入我们怎麽决定题目和参数，以及棘手的资料处理问题，而後决定采用Google Vertex AI的工具协助人员和经验不足的部分，实现ML能够根据团队想法延伸带来的价值。