1. 数据的大小和质量——数据的质量和大小对于机器学习模型的性能至关重要。架构师需要确保他们输入到模型中的数据是准确的，并且与他们试图解决的问题相关。
2. 模型选择——架构师需要仔细选择和评估不同的机器学习模型，以找到最适合他们问题的模型。他们应该考虑准确性、速度和可解释性等因素。
3. 可解释性——架构师需要确保机器学习模型的输出能够被利益相关者轻松解释和理解。为模型做出的决策提供清晰的可视化和解释非常重要。
4. 人类专业知识——机器学习不能替代人类专业知识。建筑师应该使用机器学习作为工具来补充他们自己的设计知识和经验。
5. 响应能力——架构师在使用机器学习时需要对数据的反馈和变化做出响应。他们需要能够在新数据可用或他们试图解决的问题发生变化时调整他们的模型。
6. 道德考量——建筑师需要意识到在他们的设计中使用机器学习的道德考量，例如关于偏见、隐私和安全的问题。他们还应该考虑对设计用户的潜在影响。
Publication date: