案例：教育个性化学习路径

首先我们将通过一个具体的案例，看看是否可以用机器学习的方式去解决它，以及在解决过程中产生的问题与思考。

这是一个教育个性化学习路径的案例。当我们翻开一本几何教材，我们会发现它是一个标准的学习路径：会按照点->线段->三角形->圆的标准学习路径进行学习。实际上，这个学习路径背后知识点的依赖关系往往是一个网状的。这样一个网状知识点的依赖关系，其实可能会产生非常多的可行的学习路径，而不一定是我们书本上现在罗列的这种标准的学习路径，只要不破坏这种网状的知识点依赖的关系就可以。比如说可能今天先要学矩形的面积求解，再学三角形的面积求解，因为三角形的面积求解可能要用到矩形面积的求解，在这样的一个知识点的依赖关系下，我们最好先学前置的一些知识，再学后面的一些知识。

问题是这样的，我们是否可以为每位学生推荐一个个性化的学习路径，而不一定非得按照课本上标准的学习路径进行学习，从而产生一个更好的学习效果。关于这个问题，我们思考一下解决方案，大概可以分三个步骤：

Step 1：首先把所需知识点依赖关系做出来，然后根据知识点依赖关系，生成可能的学习路径的候选集。

Step2：当生成候选集之后，需要设定优化目标，究竟什么样的学习路径对一个同学来说是好的，什么样是不好的。

Step3：利用大量历史的学习这些路径可能的结果，对路径做评分排序，最后我们为每位同学选择最适合他的一个路径，让他进行系统的学习各个知识点。

具体的实践步骤为：

知识点图谱与相应素材的挂接。把整个知识点和相应素材的依赖关系的图谱画出来，它是一个上下层的结构，上层为知识点层，下层为基本素材层，它们之间都会有一定的先后的依赖的关系。
基于知识点图谱的动态测评。得到知识点图谱之后，会测评用户目前对知识点的掌握程度。如图2，有9个知识点，每个知识点会对应打0~5分，如果得分是5，表示用户完全掌握了这个知识点，0分，则表示用户完全不知道这个知识点。这样我们基于评测得到了用户对知识点的掌握情况。
基于个性偏好的高性价比目标分解。接下来，会根据用户的个性偏好设定一个目标，比如用户需要完成知识点7，并获得一个较好的分数，那么用户需要对知识点7及和知识点7相关联的知识点1，2，3，5都有一个较好的掌握，也就是基于个性偏好的高性价比目标分解。
实时学习子图的生成。将目标分数和目前掌握的分数做减法，就得到了用户在哪些知识点需要提升的分数，这样我们就得到了一个实时学习的子图。
学习路径候选集的生成。在这个学习图谱的基础上，我们就可以生成用户可能的学习路径候选集。
评价函数的设定与参数训练。最后根据评价指标来对候选集进行排序，选择出一条对用户来说性价比最高的学习路径。性价比（评价指标/目标函数）=成本/收益。其中成本：费用、时间，收益：学习效果以及对这个学习路径的评价等。我们可以通过计算大量的用户历史数据，来训练出这个性价比，也就是评价指标。最后根据训练出的评价指标模型，我们能够预测出对一个具体的用户，一个具体的课程，用户应该选择怎样的一条学习路径。

这就是一个详细的通过历史数据进行机器学习的方案，大致的一个实现过程。

思考和反思

我们来反思下这个过程，会不会存在一些问题。我们知道，要建设一个非常好的机器学习任务，需要有四个非常重要的环节：数据、模型、业务和需求。我们来看下，在这四个环节中，会存在哪些问题：

数据：产品从0->1时没有数据
模型：候选路径生成，路径排序，整个流程没有问题
业务：知识结构->测评工具+目标拆解->待提高知识点结构，对于业务来说，我们需要完成几件事情，比如需要事先生成知识图谱的结构，需要有很好的测评工具，能够真实的评判出每一个用户的喜好，还需要知道用户对每个知识点的掌握程度，这些都是不能通过机器学习解决的，需要业务有很多其他的模块和工具。
需求：如果90%同学的最优路径相同。比如我们生成了10条路径，但是我们发现90%同学的最优学习路径是同一条，也就是现在几何课本上的顺序。这意味着这样一个个性化学习路径对用户来说是没有价值的。

我们反思下，其实即使在模型和业务上没有任何问题，还是存在两个比较大的问题：

第一个是在数据环节就存在比较大的问题，因为产品初期是没有任何数据的，这款产品初期在市场上的成功，一定不是依赖于数据技术，需要其他的启动优势。
第二个比较大的问题是需要对用户的需求做更详细的评测。评测出这款产品不只是“假想”，如果发现90%以上同学在课本上的学习路径，就是一条最优路径，那么这个业务一开始就不应该做，因为即使做得再好，也是没有价值的，或者贡献很小。

所以，再次强调，一旦我们用机学习解决业务问题时，不仅仅要考虑模型技术本身，还要对整个的数据、模型、业务和市场有一个非常透彻的理解，把这四个环节串起来，才能形成一个完善的解决方案，我们才能跨上大数据的战车。

企业对数据技术及人才的定位

关于企业对数据技术定位的一些观点：

基因论：一旦创业者或者创业团队没有数据技术背景或者机器学习背景时，我们会发现他们选择的项目，往往都会把数据技术排除在外，这样就导致企业很难通过现在的项目来吸引做数据技术的人才，这样就导致了一个恶性循环，进而使企业离竞争对手越来越远。
数据技术往往是在企业发展期才开始起到关键作用，也就是只有当产品在市场上站住脚，用户规模的不断扩大，才会产生海量的用户使用数据，这时我们就可以利用数据技术来进一步优化产品。归结起来就是生存期（0->1）往往没有积累数据，需要其他的产品优势来带动企业的发展，当进入发展期（1->无穷）有了数据积累后，数据技术才开始逐渐发力。
数据技术不是壁垒，数据本身是壁垒，没有任何一项技术永远会是黑科技，但是随着数据的积累，数据本身的价值会越来越大，而这个数据是其它企业拿不到的。
什么样的企业是 AI 企业？只有 AI 工程师的公司不是！因为整个 AI 的应用，是包括对数据、业务、市场需求、模型等方方面面形成整个的产业理解才能去构建的，并不是几个 AI 工程师会写一些代码就可以实现的，很多时候需要我们整个企业的决策层，甚至企业的产品经理和业务人员全都需要对 AI 有一个非常深入的理解，才能使我们的整个业务产生一个质的变化，最后成为一个 AI 企业。

关于数据技术人才定位的一些观点：

误解1：有些同学是找不到龙的屠龙者。通常在学术界做的非常成功的人，都会存在这样的一些问题，虽然掌握了很多算法模型技术，但是缺少对业务的深刻的理解和广阔的知识面。真实的项目中，其实是机器技术跟业务进行的一种深度的偶合，最后才创造出一些真正解决实际问题的效果非常好的模型，而这些模型往往不是只掌握这些技术本身就能够做出来的。
误解2：有些同学是黑盒工具论的鼓吹者。比如我掌握了一些业务问题，而市面上有很多开源的机器学习工具，我只需要把接口弄弄，然后套一套机器学习工具就实现了，这样做的效果往往是不好的，我们会发现，只有对模型有深入的理解，能够在很多细化的环节作出调整，才能形成一个比较好的解决问题的方法。

最后总结下，如果大家想成为一个数据技术人才的话：一方面，我们要对模型有一个白盒的、透彻的、深入的理解；另一方面，对业务应用有相对的理解和思考，两者结合才能产生一个良好结果。

总结与反思

到此，回顾下第一部分的四方面内容：

机器学习可能吗？

人类学习：归纳+演绎，个案学习->统计学习

我们能相信统计么？基于概率的信任

机器学习如何做？

监督学习：预测 Y~X，训练+预测，统计学习

监督学习核心：假设空间+优化目标+寻解算法

大数据的价值：

更精细的刻画：释放了规律的可能

更智能的学习：规律学习不再依赖人类知识

跨上大数据的战车：

为何要跨上大数据的战车？功与守

如何跨上这个战车？数据<->模型<->业务<->需求

附录：期待下一部分

第二部分内容预告（由浅入深）：

① 框架拆解：怎么学到？（线性回归、逻辑回归、感知机）

② 学习理论：为何能学？（大数定律->过拟合->正则化->校验）

③ 复杂模型：如何强大？（神经网络->深度学习->表示学习）

④ 使用技巧：怎么学好？（特征工程&样本处理->模型->模型评估）

本文来自 DataFun 社区

原文链接：

https://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247493765&idx=2&sn=0b4ee67255441a8e133ceb4fff83998d&chksm=fbd75ae9cca0d3ff8c667c5ae2bcdbb9d85b308d41a904e11125e26c9ae0af5c3f2dbd1dce9c&scene=27#wechat_redirect

创作场景

百度机器学习课程 （五）：如何跨上大数据的战车

百度机器学习课程（五）：如何跨上大数据的战车