许多机器学习从业者由于文档稀疏，在 PyTorch 中实现优化算法时遇到困难。
构建一系列 Jupyter Notebook 或一个轻量级库，展示如何使用 PyTorch 的自动微分和张量操作高效解决 0/1 背包问题。
中型公司的机器学习团队愿意为文档齐全、生产就绪的实现付费，以加速他们的原型设计阶段。
从一个单独的 Notebook 开始，逐步讲解背包问题解决方案，然后扩展到相关问题。
风险是大多数从业者只需要主流算法，这使得受众群体非常小众。
PyTorch 优化教程（小众算法）
创建分步教程或小型库，用于在 PyTorch 中实现小众算法（如 0/1 背包问题）。面向寻找应用示例的机器学习工程师和研究人员。
为什么是现在
PyTorch 在机器学习领域占主导地位，但缺乏针对不常见优化问题的实用指南，留下了教育内容的空白。
- 做给谁
- 机器学习工程师和研究人员
- 商业模式
- 付费教程或库许可
- 投入量级
- 几周