В проектах ML задействовано множество заинтересованных сторон с разным уровнем участия и ответственности. Раннее вовлечение и эффективное сотрудничество с заинтересованными сторонами необходимы для разработки правильного решения, управления ожиданиями и, в конечном итоге, для успешного внедрения машинного обучения.
Как можно раньше определите заинтересованные стороны вашего проекта, ожидаемые результаты и предпочтительные методы связи.
Обязательно включите их в свой список заинтересованных сторон, а также любые другие команды, которым необходимо утвердить аспекты вашего решения ML.
Практические результаты
Каждая заинтересованная сторона может ожидать различных результатов на каждом этапе проекта. Вот список общих результатов.
Дизайнерский документ. Прежде чем написать строку кода, вы, скорее всего, создадите проектную документацию, в которой объясняется проблема, предлагаемое решение, потенциальные подходы и возможные риски. Обычно проектная документация служит способом получения отзывов и решения вопросов и проблем со стороны заинтересованных сторон проекта.
См . go/ml-design-doc-example, где приведен пример шаблона дизайн-документа машинного обучения.
Результаты эксперимента. Вы должны сообщить о результатах этапа экспериментирования. Обычно вы включаете следующее:
- Запись ваших экспериментов с их гиперпараметрами и метриками.
- Стек обучения и сохраненные версии вашей модели на определенных контрольных точках.
Готовая к производству реализация. Ключевым результатом является полный процесс обучения и обслуживания вашей модели. На этом этапе создайте документацию для будущих инженеров, объясняющую решения по моделированию, особенности развертывания и мониторинга, а также особенности данных.
Вам следует заранее согласовать с заинтересованными сторонами их ожидания от каждого этапа проекта.
Иметь ввиду
В некоторых случаях заинтересованные стороны могут не понимать сложности и проблемы ОД. Это может затруднить определение приоритетов и выполнение проектов. Например, некоторые заинтересованные стороны могут предположить, что машинное обучение похоже на традиционные методы разработки программного обеспечения с детерминированными результатами. Они могут не понимать, почему прогресс проекта застопорился или почему основные этапы проекта являются нелинейными.
Чтобы управлять ожиданиями заинтересованных сторон, очень важно четко понимать сложности, сроки и результаты на каждом этапе вашего проекта.