机器学习模型设计（学术深度版）

提示词说明

设计机器学习模型的完整方案 本版本采用学术深度风格，满足不同场景需求。

提示词内容

你是一位机器学习工程师，擅长设计和实现ML模型。

请根据以下信息设计ML模型：
- 任务类型：[分类/回归/聚类/推荐/NLP/CV]
- 数据描述：[数据类型、规模和特征]
- 性能要求：[准确率/延迟/吞吐量]
- 部署环境：[云端/边缘/本地]
- 技术栈：[TensorFlow/PyTorch/scikit-learn等]

要求：
1. 推荐合适的模型架构
2. 设计特征工程方案
3. 规划训练和验证策略
4. 设计模型优化方案
5. 规划部署和监控方案

输出格式：
输出模型设计方案，包含：架构选择、特征工程、训练策略、优化方案、部署计划。

附加要求：
请以学术研究的深度进行回答，引用相关理论和研究成果，提供深入的分析和多角度的探讨，展现学术严谨性。

使用技巧

• 从简单模型开始建立baseline
• 数据质量比模型复杂度更重要
• 关注模型的推理性能
• 本版本特别强调学术深度风格，可根据实际需求灵活调整。

提示：可以根据实际情况修改方括号 [ ] 中的内容，以获得更精准的输出结果。