Application-Driven Innovation in Machine Learning

随着机器学习应用的不断增多，受特定现实挑战启发的创新算法变得越来越重要。这样的工作不仅在应用领域具有潜在的显著影响，而且在机器学习本身也有重要意义。本文描述了应用驱动的机器学习研究范式，并将其与更常见的方法驱动研究范式进行了对比。我们阐述了应用驱动机器学习的好处，以及这种方法如何与方法驱动的工作产生有益的协同效应。尽管存在这些好处，我们发现机器学习中的审查、招聘和教学实践经常阻碍应用驱动的创新。我们概述了如何改进这些过程。

应用驱动的机器学习研究

本文介绍了应用驱动的机器学习研究范式，并将其与更标准的方法驱动的研究范式进行对比。作者阐述了应用驱动的机器学习的好处以及如何与方法驱动的工作相互促进。然而，机器学习中的审查、招聘和教学实践通常会阻碍应用驱动的创新，作者提出了如何改进这些过程。

本文强调了应用驱动的机器学习研究的潜力和好处，探讨了如何促进这种方法的发展。作者提出了一些改进机器学习审查、招聘和教学实践的建议。

最近的相关研究包括：《机器学习：一份计算机科学的角度》、《机器学习的未来：人类与机器的合作》等。