這系列文章原文為 Martin Zinkevich (Research Scientist @ Google) 所著之 "Rules of Machine Learning"
看了一部分之後覺得深得我心（尤其「你會面對的絕大多數問題是工程問題」這一點）
作為一個參與過部分機器學習開發的工程師，很希望在任何一個產品被開發之前，就能讓團隊成員知道這些有用的「老生常談」，從而避免很多系統上的冤枉路。
於是想要深入細讀、做些筆記，將它推廣到繁體中文界。因此我試著儘量在維持原意的情況下翻譯、排版，並將一些原文較為精簡的敘述，補上（以個人經驗推斷的）詳細說明。
個人所知所學有限，若有好心人發現錯誤或艱澀難懂之處，還請多不吝指教
另外也感謝有國外的好心人整理成純文字版的 Google's 43 Rules of Machine Learning 讓翻譯比較容易
過程中發現有雷鋒網翻譯的簡中版 谷歌机器学习白皮书全解析 43条黄金法则（一）
但不盡人意，原因除了用詞文化差異之外，過度地翻譯成中文也失去了部分原文的意思
以至於出現一些「每個詞都懂，但是拼湊起來的句子就看不懂」的情況。
比如：
-
「关乎启动和重复」原文是 "launching and iterating (a product)"
-
「设置你的第一个流水线」原文是 "deploy your first pipeline"
-
「能通过试验把用户分组并整合数据的试验框架非常重要」原文為 "can group users into buckets and aggregate statistics by experiment, is important."
-
訓練-應用偏差（training-serving skew）甚至沒有翻譯到。
-
「系统的学习部分都被包含在内」原文是 “the learning parts of the system are encapsulated”
不過仍然很感謝有這樣的中文資源（相比之下台灣卻很少...）