# 程序員應該進入機器學習 > 原文： [https://machinelearningmastery.com/programmers-should-get-into-machine-learning/](https://machinelearningmastery.com/programmers-should-get-into-machine-learning/) 程序員應該參與機器學習領域，因為他們具有獨特的技能，可以做出巨大的貢獻。 在這篇文章中，您將了解到作為一名程序員，您很容易忽視您的技能并高估您不了解的內容。您將了解程序員幾乎立即開始在機器學習領域產生影響的四個機會。 ## 專業發展實踐 專業軟件開發（或軟件工程，如果你喜歡這個術語）的學科是關于如何設計，實現和維護解決問題的可靠軟件系統。您作為開發人員的技能很有價值，您可以將它們應用到機器學習領域。 這里有些例子： * **結構**：開發軟件時，可以構建項目。例如，有一個源代碼目錄，一個用于資產，一個用于文檔，如果您使用的是編譯語言，則您有一個二進制文件目錄。為軟件開發項目使用定義良好的結構是一種最佳實踐，它引入了支持協作的分離和一致性。項目中的任何人都知道在哪里為項目做出貢獻，并且當跨項目采用相同的約定時，組織中的任何人都可以快速瀏覽項目。 * **自動化**：在軟件項目中，您使用構建系統來自動執行項目的常見任務。無論您使用的是 Make，Ant，Rake 還是任何類似的構建系統，都可以自然地將常見的開發任務放在一起，將它們作為可以重復突發的目標，并組織成具有越來越大的杠桿作用的層次結構。 * **可重復性**：應用于項目的基于約定的結構以及使用構建系統實現的自動化允許給定項目中的任務 100％可重復。任何人都可以檢查項目并構建它。任何人都可以關注發布過程并構建二進制文件或部署網站更新。在開發軟件系統時，可重復性是默認設置。 * **可測試性**：一個類有一個責任，一個函數做一件事。簡化系統可以創建可以測試的小型模塊化代碼。您編寫自動化測試作為質量控制的衡量標準，以明確地證明代碼執行其設計目的并檢測您在進行更改時引入的任何回歸。 * **可維護性**：上述行為導致了專業軟件開發中可維護性最重要的因素之一。一個成功完成的軟件項目將花費大部分時間用于維護。開發只是軟件整體壽命的一小部分，維護是常態。我們通過使軟件結構化，自動化，可重復和可測試來使軟件可維護。 [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2013/12/software-development.jpg) 照片歸 [xJason.Rogersx](http://www.flickr.com/photos/restlessglobetrotter/128345994/sizes/o/) ，保留一些權利 這些專業軟件開發實踐可以帶到機器學習領域。它們可以在機器學習項目的早期階段發揮最大作用。三個例子包括： * 當數據從原始源導出為適合給定學習方法的形式時。該過程可以是自動化和可重復的，并且導出的數據存儲在與原始源分開的目錄結構中。 * 當測試不同的機器學習方法時，看哪個是最適合該問題的。方法的測試可以是自動化的，因此結果是可重復的，并且如果在測試協議中發現（何時）錯誤，則可以重復。 * 選擇并實施方法以解決復雜問題時。它可以根據問題進行定制，并實施為可測試和記錄良好，以確保其滿足項目的更廣泛要求，包括非功能性要求，如表現驗收標準和算法準確性。 ## 生產水平實施 一種新穎的機器學習方法通??常由機器學習研究人員或研究人員團隊提出。新穎方法通常用算法的原型或演示實現來呈現。 問題是代碼是由研究人員編寫的，他們可能會或可能不會接受軟件開發學科的訓練。然而，實現的目標是提供該方法的工作原型。 如果企業或其他組織希望利用其中一種電動工具，他們的選擇是有限的。他們可能決定在他們的生產系統中調整和運行原型代碼。研究代碼通常在沒有明顯許可的情況下發布，或者有時是許可的開源許可。為了演示目的，代碼將被編寫以解決玩具問題，并且系統的編程質量可能是變化的，盡管在某些情況下可能僅足以證明概念證明。 唯一真正的選擇是使用良好的軟件工程實踐重新實現該方法。開發人員有機會實現需求強大的機器學習方法的生產級實現。除了獲得這方面的工作之外，您還可以開發生產質量的軟件工具，庫和 API，組織可以使用它們來解決他們的問題。 ## 得到消息 機器學習方法以研究語言呈現，例如干研究論文，學術報告，專著，講座和教科書。有些電動工具可以遠離主流軟件開發，甚至主流應用機器學習。這是事實。從研究到運營的有用方法的遷移可能需要數十年的時間。 對于了解某些機器學習的程序員來說，有機會了解哪些方法有效，并有助于宣傳。您必須學習足夠的知識才能識別這些寶石，并有想象力來考慮這些方法在商業或在線應用的位置，并且能夠溝通甚至實現這些想法。你甚至不需要成為開發人員來接受這個。 ## 將機器學習應用于應用程序 作為程序員，您已經知道如何為用戶創建應用程序。它們可能是網絡，移動或桌面上的應用程序，甚至是更具異國情調的東西。也許像你這樣的程序員最大的機會是將機器學習方法放在你正在開發的應用程序中。 這并不像你最初認為的那么大和可怕。請記住，機器學習方法可以解決特定的決策問題。結合機器學習意味著識別應用程序中的復雜問題，可以通過機器學習適當地解決，或者更有可能圍繞合適的問題構建應用程序。這也意味著您需要學習足夠的機器學習才能實現這一目標，但您已經開始了這一過程。 在這篇文章中，您了解到程序員應該進入機器學習，因為程序員具有獨特的技能，可以做出巨大的貢獻。程序員可以對機器學習領域做出的貢獻包括： * 將專業軟件開發實踐引入機器學習項目。 * 構建機器學習方法的生產級實現。 * 了解新穎的機器學習方法 * 將機器學習方法應用于應用程序 在實驗和測試機器學習算法時，您認為哪些軟件開發實踐可以產生重大影響？發表評論。