「教練，我想ML」「好，教你機器學習」

需要大家明白的是，機器學習並不一定是一種特定的崗位，我更願意將其視為一門工作技能，隨著技術的普及，機器學習或許會和shell等技能一樣，成為一種必備的技能。

而這種技能會在各個領域內用到，我覺得從運維這個崗位上去做機器學習是一個很好的切入點：

1. 有足夠多的訓練數據——日誌，性能參數的採集，報警信息等，都可以作為機器學習的訓練集。
2. 不需要太多的學習成本——在運維崗位中，有至少50%以上的崗位要求會使用Python,從而你已經跳過的基礎學習的階段，可以直接上手核心部分，例如：建模，驗證，調優。
3. 確實能解決工作中的問題——同樣的問題一大堆報警如何處理？能不能通過機器學習來獲知報警的最佳閾值？為什麼有的應用隔斷時間就會down掉，如果識別這些風險因素？
4. 職業身份的平滑切換——你可以從懂點機器學習的運維工程師切換為懂運維的機器學習工程師。
5. 過年懟村炮親戚的利器——當你的二舅姥爺夸夸其談他閨女在銀行做櫃員老牛逼了，你可以告訴他人工智慧弄出來，他們都得下崗，一臉「你好，我是你的破壁人」的優越感。
6. 最後釋放一個彩蛋，提供一個在超級獨角獸公司中的工作機會。

適合如下人群：

• 機器學習初學者
• 想轉機器學習但無門路的朋友
• 對現有運維架構不滿的運維架構師
• 半夜接call到崩潰的一線運維工程師
• 缺少面試吹牛素材的求職者（大誤）
• 相親時急需提升職業逼格者（大誤）

本次 Live 主要包括以下內容：

1. 機器學習到底學什麼？

- 學習路徑圖

- 模型開發的流程

- 數據預處理方法以及應用場景

- 模型生成方法以及應用場景

- 模型校驗

- 模型調優

2. 運維場景的介紹

- 運維架構現在第幾代了？

- 運維現階段的痛點

- 機器學習的產品觀

3. 機器學習在運維場景中的實際應用

- 內存性能分析（獨立成因分析）

- 報警的收斂與響應（語義提取應用）

- 機器學習如何定義報警閾值？（半監督學習）

- 機器學習如何幫助新人上手？（語義提取與多標籤分類）

4. 相關工作崗位招聘

機器學習在運維中的應用?

www.zhihu.com
推薦閱讀：