gydtep

在AI工程师开始训练他们的机器学习模型之前，他们通常只花费75%的时间来简单地处理起始数据。请记住，要训练在IIoT设备上运行的机器学习模型，必须具有一个或多个数据集，以反映应用上线时的实际条件。

gydtep

定好目标后，一定要了解产品背后的数据质量。关于数据质量，公司内部、部门之间的指标定义各不相同，不过普遍存在数据不准、没有数据、数据脏乱差、易用性差等问题。如何解决？其实，数据中包含着业务需求，需求弄清楚了才会转化到埋点设计，埋点方案再转化为具体的研发。

gydtep

现在，很多企业都想实现数据闭环，其实闭环就是非常典型的方法论。那么，这个方法论究竟能不能解决问题？能不能在组织和团队里运行起来？背后是否缺失了哪些环节？在这里，陈新祥分享了一个国内的实际案例。

gydtep

现在，很多企业都想实现数据闭环，其实闭环就是非常典型的方法论。那么，这个方法论究竟能不能解决问题？能不能在组织和团队里运行起来？背后是否缺失了哪些环节？在这里，陈新祥分享了一个国内的实际案例。

gydtep

影响正常业务：如果SDK/探针存在设计上的缺陷，有可能导致应用出现不可预知的故障。这种情况极为罕见，但一旦发生，后果会非常严重，这种情况下一般也只能等待开源社区将问题修复后才能恢复使用。

gydtep

重视实践，充分运用感性认知潜能，在项目中磨炼自己，才是正确的学习之道。在实践中，在某些关键动作上刻意练习，也会取得事半功倍的效果。

gydtep

致力于在技术上有所成就的工程师，都梦想有朝一日成为技术高手。但技术高手的标准却存在很大的争议。这是一个有着悠久历史的误解：以某种技术的掌握作为技术高手的评判标准。

gydtep

首先你得是行业里面的顶尖专家了——实在很难找到比你更强的人了！

gydtep

必须要承认一个残酷的现实：人的生命是有限的，知识却是无限的。用有限的生命去学习无限的知识是不可能完成的任务。一想到此，有些工程师不免产生一些悲观情绪。如果方法得当并且足够勤奋，悲伤大可不必。

gydtep

产品经理不同。普通业务需求来自于产品经理，平台化需求的产品经理可能就是工程师自己。长期被产品经理“压迫”的工程师们，在平台化上终于找到“翻身农奴把歌唱”的感觉。