共计 836 个字符，预计需要花费 3 分钟才能阅读完成。
随着大数据技术的遍及和倒退，机器学习技术正日益成为改善用户体验、进步产品质量的外围组件。机器学习技术不仅给互联网带来了源源不断的支出（互联网广告），而且也在一直改善用户在电商购物、日常交通、游览出行等方方面面的体验。
那如何在已有的零碎或业务中落地机器学习呢？在开始应用机器学习技术之前，企业又该做好哪些筹备呢？带着这些问题，InfoQ 记者采访了 PayPal 大数据研发架构师张彭善。
抛开 AI 不谈，机器学习曾经在很多畛域证实了它的价值，尤其是在互联网畛域，无论是杀手级利用互联网广告，还是电商内容平台举荐、风控欺诈辨认、共享出行等其余方向，机器学习曾经成为互联网企业实现变现、进步盈利的重要伎俩。
张彭善示意，从这些支流利用中就能够看出，目前机器学习利用的次要方向是解决简单的预测优化问题。对于企业来讲，任何波及优化策略的业务都能够尝试实际机器学习，比方新产品指标用户的推广、销售策略的优化、客户散失的预警等。
那在落地机器学习之前，企业应该做好哪些筹备呢？在张彭善看来，大部分企业不会像互联网企业那样领有弱小的数据迷信和工程团队，当然也有很多传统企业具备数据分析和业务开发团队，这是一个很好的根底，利用这些团队能够组建或培训适应机器学习的数据迷信团队。
而其余企业能够先着手尝试以最小的老本构建起端到端的机器学习管道，包含构建根底平台、搭建数据收集渠道、施行特色工程、优化模型开发及部署上线流程。有了这样的管道和平台，企业就能够继续一直的优化性能进而达到预期的业务指标，而后再缓缓尝试利用到其它业务场景。
张彭善也谈到了企业落地机器学习的最佳门路，他认为企业应该始终以业务优化为领导，无论是什么步骤，都须要思考是否有利于达到最终的优化指标。
最佳门路是在构建整个流程管道和平台的同时，力争疾速部署模型到零碎中去。当模型部署上线之后，再通过反馈后果继续的迭代和改良。在这一过程中，企业没有必要谋求完满的模型和完满的零碎，疾速响应业务和继续演进的能力是要害。
文章起源：极客工夫《极客热点》
