#8章 おわりに
##8.1 機械学習問題へのアプローチ
ビジネスゴールを実現するためのシステムを作る前に、
成功する基準をどう設定するか、成功した場合にどのような影響があるかを考える。
例えば、不正トランザクションの検出を目標とすると、
・不正検出が実際に出来ているかどうかをどうやって測定するのか？
・アルゴリズムを評価するためのデータはあるか？
・成功したとして、ビジネスにどの程度影響するか？
この例では、会社が月に1万円しか節約できないなら、止めた方がいい。
月に数百万節約できるなら、やる価値はある。
##8.2 プロトタイプから運用システムへ
今あるアプリケーションに簡単にPythonで組み込めるわけではないため、
データ解析チームは素早くアイデアを検証できるPythonやR言語を使用し、
運用チームはGo,Scala,C++,Javaなどを用いる。
データ解析にはサービスを構築する言語とは異なる性質が要求されるため、
別の言語を使うことにはきちんとした意味がある。
よく使う方法としては、解析チームが見つけた解決方法を、
より大きいフレームワークで高性能向け言語で再実装する方法である。
また、運用システムに機械学習を提供するには簡潔性が重要である。
##8.3 ここからどこへ行くのか
###8.3.1 名誉を得る
もし手近に練習できるデータや課題が揃わなければ、
Kaggleなどの機械学習コンペに参加するとよい。