Written By ML team lead Bruce 這個系列想要分享在 Dcard 裏面機器學習專案在開發途中的一些經驗，希望可以在分享的途中也跟各位業界的同好們一起討論切磋。 作為系列文的第一篇文章，今天這篇文想分享的事情是在 Dcard 裏面做機器學習的工程師們，在開發一個新的專案或是接一個關於機器學習的新需求之前，運作的流程大概是怎麼樣子，進而讓整個機器學習的專案進行更加順利，也可以讓機器學習的成果跟專案想要交付的價值更加緊密。 一開始會想先寫這個主題的原因是，其實我們平常在機器學習課程裡面，已經學到很多關於各式各樣機器學習演算法的知識以及技巧 / 思考模式。而實際在工作或是應用在專案上面的時候，時常團隊會遇到結果跟產品想要的似乎有一些出入，難以很自然融入產品的狀態。這個狀態其實並不是演算法不夠好或是不夠熟悉演算法，我們自己常常追根究底之後發現，問題的核心常常是在前期需求釐清或是定義問題的時候不夠完善，導致一頭洗下去做到中後期才發現牛頭不對馬嘴的狀態。
