לפרויקטים של למידת מכונה יש כמה בעלי עניין עם רמות שונות של מעורבות ואחריות. כדי לפתח את הפתרון הנכון, לנהל את הציפיות ובסופו של דבר, כדי להטמיע למידת מכונה מוצלחת, חשוב מעורבות מוקדמת ושיתוף פעולה אפקטיבי עם בעלי העניין.
כדאי להגדיר בהקדם האפשרי את בעלי העניין בפרויקט, את האובייקטים הצפויים ואת שיטות התקשורת המועדפות.
הקפידו לכלול אותם ברשימת בעלי העניין שלכם, וגם כל צוות אחר שצריך לאשר היבטים מסוימים בפתרון למידת המכונה שלכם.
פריטים נדרשים
כל בעל עניין יכול לצפות לדברים שונים בכל שלב בפרויקט. ריכזנו כאן רשימה של תכנים נפוצים.
עיצוב מסמך.לפני שכותבים שורת קוד, סביר להניח שתצטרכו ליצור מסמך תכנון שמסביר את הבעיה, את הפתרון המוצע, את הגישות הפוטנציאליות ואת הסיכונים האפשריים. בדרך כלל, מסמך העיצוב מאפשר לקבל משוב ולתת מענה לשאלות ולחששות של בעלי העניין בפרויקט.
בכתובת go/ml-design-doc-example אפשר לראות דוגמה לתבנית מסמך עיצוב ל-ML.
תוצאות ניסיוניות. עליכם לתאר את התוצאות משלב הניסוי. בדרך כלל כוללים את הפרטים הבאים:
- תיעוד הניסויים עם ההיפר-פרמטרים והמדדים שלהם.
- סטאק האימון והגרסאות השמורות של המודל שלכם בנקודות ביקורת מסוימות.
הטמעה מוכנה לייצור. צינור עיבוד נתונים מלא לאימון ולשימוש במודל שלכם הוא המפתח הנדרש. בשלב הזה, כדאי להכין מסמכים למהנדסים עתידיים, עם הסברים על החלטות בנושא מודלים, מפרטים ספציפיים לפריסה ומעקב אחרי מאפיינים ייחודיים של הנתונים.
כדאי להתייעץ מראש עם בעלי העניין לגבי הציפיות שלהם בכל שלב בפרויקט.
חשוב לזכור
במקרים מסוימים, יכול להיות שבעלי העניין לא יבינו את המורכבות והאתגרים של למידת מכונה. לכן, יכול להיות שיהיה קשה לתעדף פרויקטים ולבצע אותם. לדוגמה, חלק מבעלי העניין עשויים להניח ש-ML דומה לשיטות מסורתיות של הנדסת תוכנה עם תוצאות דטרמיניסטיות. יכול להיות שהם לא יבינו למה ההתקדמות של הפרויקט מושהית או למה אבני הדרך של הפרויקט הן לא לינאריות.
כדי לנהל את הציפיות של בעלי העניין, חשוב מאוד להבהיר את המורכבות, מסגרות הזמן והחומרים בכל שלב של הפרויקט.