- 機械学習は実験科学であり、新しい問題を解決する最良のルートは過去にうまく機能した方法とは限らない可能性がある。
- 訓練データへのアプローチとパフォーマンス指標の評価方法を再考することが重要。
- MLの実験を通じて課題が機会に変わる。
- モデルのパフォーマンスを評価する際、データの評価が重要。
- 実験（あらゆる視点から）が鍵となる。
機械学習の革新には実験が欠かせず、特定のビジネスニーズに翻訳されるためにはデータの評価が重要。
実験を通じて問題の全体を探求し、モデルのパフォーマンスを実際のアプリケーションドメインで測定することが競争上の優位性をもたらす。