平台本身不是目的：何时统一机器学习开发，何时止步——'IT野餐'上的讨论

来自MWS（隶属于MTS）的谢尔盖·库兹涅佐夫讨论了机器学习开发的发展演变，指出随着团队规模扩大，他们会积累实践，这些实践可以转化为库，进而发展为平台。他展示了三个案例：首先，将约十个推荐系统统一到一个平台上，从而标准化了数据格式、实验和流水线；其次，利用平台进行评分模型，自动化数据准备和训练，随着时间的推移积累了大量经过验证的特征；第三，一次试图创建通用动态定价平台的失败尝试，认为与为大型客户开发定制解决方案相比，其成本过高。他强调，平台化伴随着风险和成本，只有当相同流程频繁重复时才值得投资。最宝贵的资产并非具体模型——它们变化迅速——而是那些持续存在的底层基础设施、工具和接口。