机器学习无疑是近年来备受瞩目的技术热点，也是算法RD普遍掌握的技能。模型效果没达到预期？又如何诊断一个模型潜在的问题？初来乍到，许多人很难找到切入点。数据的噪音、模型的过拟、特征不够精细、不明确的业务问题、项目的排期... 这些问题的优先级是什么？如何对症诊断下药？ 这是我多年作为一线算法工程师反复去思考的问题，也是一线算法同学都在思考、历练、取得成绩的核心命题。本次将分享这些年算法的经历，和我眼中优秀的模型分析/工程师应该具备的素质与方法论。 听众收益 1. 对机器学习优化问题有结构化的解决方案； 2. 了解一个大规模的机器学习项目 从0-1，从1 - CEO prize的过程； 3. 了解前沿风控体系的构建