飞机晚点一个半小时，趁这个时间总结总结吧。
今天从公司离职，没想到老大竟然亲自送我，受到这么高的规格待遇，真是受宠若惊啊。
这次实习可谓是收获满满，一个是技术、二是业务，还有认识了一位可爱的妹子。
说到数据智能，这里要特别感谢带我入门的JN师兄和我的队友QX，从第一个京东金融的信贷需求预测开始，到最后的阿里妈妈广告点击，让我学到了最基本的数据类问题的通用套路。而现在的网易AI实习、考拉会员拉新项目，则让我学到了真实业务上的操作方式。
实际项目相对于比赛，我认为主要的区别有以下几点：
- 实施方式多样，真实业务的最终目标可能很明确，但是达成这个目标的方式会有很多种，而且他们的效果也不尽相同，所以具体的实施方案就需要自己去想去尝试；
- 训练样本构造复杂，一般的数据竞赛都会提供比较”干净“的数据集，做少量的处理就可以直接用来训练，但是真实业务的训练样本需要自己构造，可以说对于电商来说，想要什么数据就有什么数据，而且不同的构造方式对最终的结果会有非常大的差异，怎么去构造一个训练集使得更贴近目标、更符合真实业务的数据分布，是需要不断地去推敲；
- 特征抽取复杂，除了抽数据之外，提特征也是一个相当重要的工作，首先数据仓库里面有各种类型的数据，得要自己不断去理解，知道自己想要什么，有什么，还得根据具体的业务，自己去构造特征，而且在构造特征的时候，还要看看它有哪些数据，它的数据是从哪里来的，怎么来的；
- 线上测试谨慎，线上的资源非常宝贵，把算法模型放到线上测的时候一定要在线下做好充分的准备，而且要考虑各种风险因素，比如用户的体验等等。不像比赛线下测一测有提高，就扔到线上提交。
至于模型上的，由于我参与的较少，这里就不多说了。
技术
这段实习体验下来，接触最多的应该是数据ETL的工作，而在算法模型上的时间非常非常少。 此外还了解了不少数据仓库的概念，比如说是什么东西，它的架构，怎么来的，怎么用等等。 考拉这边有一个相对完善的数据仓库，从最底端的ODS层，到上面的ADI接口层，里面有各种维度丰富的数据，我们在做数据分析或者算法模型的时候，可以直接拿来调用
业务
算法怎么做，样本怎么选，特征怎么构造，选什么模型等等都需要和业务相结合。