20180829
参考：https://www.nowcoder.com/courses/190

indico

Indico是一个基于云的深度学习服务，使用了迁移学习 Transfer learning的概念做了一个服装匹配的demo。

目标

通过强大和开发者友好的机器学习来改革软件。从大量的无结构数据抽取到有用的信息。

迁移学习 transfer learning

机器学习模型擅长在一个窄的领域发现模式。

迁移学习能让你把解决某个问题训练得到的模型，稍微修改下就可以用来解决其他问题。

每次从头开始训练一个模型，可以基于处理相似问题，并且提前训练好的模型来开始构建你的模型，然后用给你的数据来精调你的特征来解决你的特定任务。

不需要为每个不同的任务创建模型，使用其他任务的共同特征，再基于数据精调模型。

对于传统的机器学习，这些学到的特征都是手工写的。因此，迁移学习无法使用传统的机器学习特征。

Custom Collection接口

它是上亿样本训练得到的丰富特征。通过迁移学习，模型能够处理散乱的无结构化数据，把数据变得非常有效。

API是基于大量文本数据训练的，可以对特定的自然语言处理任务精调这个接口。相比从头开始训练模型，有了迁移学习后，你只需要小很多的训练集，并且能够获得不错的准确度。

clothing matching demo

产品推荐是基于分析过去的购买记录和在线的搜索行为的。
使用Custom Collection的丰富的特征embedding，把类似颜色模式和衣服的可见部分编码，这使得模型非常容易做原型，当结果不满意时也非常容易重新训练。

相比从头开始训练，不需要搜集太多数据并打标签，极大的减少了训练和测试的时间，不需要构建模型架构。