如果你正在开发全新的机器学习应用，你应该尽快建立你的第一个系统原型（quick and dirty），然后快速迭代。
下面以语音识别系统为例：
一开始，我们有许多选择，不同的方向向前推进，而且每个方向都是相对合理的，可以改善你的系统。
但是挑战在于，你如何选择一个方向集中精力处理。
吴恩达老师给出的建议是：如果你正在开发全新的机器学习应用，你应该尽快建立你的第一个系统原型（quick and dirty），然后快速迭代。
Build your first system quickly, then iterate.
快速设立开发集、测试集和指标，这样就确定了目标所在（target）。如果目标定错了，之后改也是可以的。快速搭好一个机器学习系统原型，然后在训练集上训练。根据开发集测试集和评估指标，来理解你的算法表现如何。偏差方差分析和误差分析，来确定下一步的优先级。
比如在误差分析中发现，大部分误差的来源是人远离麦克风，这就确定的下一步的方向是解决这个问题（远场识别技术）。
