DEV Community
·
我在AI工程旅程中的讽刺
💡
原文英文，约400词，阅读约需2分钟。
📝
内容提要
在AI工程的过程中，我经历了许多挫折，尤其是在医院数据挑战中。尽管遵循了标准的数据处理和模型训练流程，但模型表现仅略高于随机猜测。这让我认识到实践和社区支持的重要性，以及深入理解领域知识的必要性。每次失败都是学习的机会，推动我不断改进方法。
🎯
关键要点
- 在AI工程的过程中，经历了许多挫折，尤其是在医院数据挑战中。
- 尽管遵循了标准的数据处理和模型训练流程，但模型表现仅略高于随机猜测。
- 实践和社区支持的重要性，以及深入理解领域知识的必要性。
- 每次失败都是学习的机会，推动不断改进方法。
- 数据预处理、特征工程和模型构建的过程中，技能逐渐提升。
- 利用Kaggle和GitHub等平台，借鉴他人的工作和技术。
- 领域知识至关重要，关键特征可能在数据集之外。
- 机器学习不仅是庆祝成功，也要从失败中学习。
- AI工程是一个不断迭代和谦逊的过程，每个挑战都是深入探索的机会。
➡️
