Projekty ML mają wiele zainteresowanych osób o różnym poziomie zaangażowania i odpowiedzialności. Wcześniejsze zaangażowanie i skuteczna współpraca z zainteresowanymi osobami są niezbędne do opracowania odpowiedniego rozwiązania, zarządzania oczekiwaniami, a ostatecznie do udanego wdrożenia systemów uczących się.
Jak najszybciej określ zainteresowane osoby związane z Twoim projektem, spodziewane materiały i preferowane metody komunikacji.
Pamiętaj o umieszczeniu ich na liście zainteresowanych osób, a także innych zespołów, które muszą zatwierdzić niektóre aspekty Twojego rozwiązania ML.
Twoje zobowiązanie
Każda zainteresowana osoba może oczekiwać innych rezultatów na każdym etapie projektu. Oto lista najczęstszych rodzajów dostaw.
Projekt dokumentu. Zanim napiszesz wiersz kodu, najprawdopodobniej utworzysz dokument projektowy, w którym wyjaśnisz problem, proponowane rozwiązanie, potencjalne metody i potencjalne zagrożenia. Dokument projektowy służy zwykle do otrzymywania opinii oraz odpowiadania na pytania i wątpliwości osób związanych z projektem.
Przykładowy szablon dokumentu projektu systemu ML znajdziesz na stronie go/ml-design-doc-example.
Wyniki eksperymentalne. Konieczna jest informacja o wynikach fazy eksperymentu. W swoich materiałach umieść:
- Rejestr eksperymentów z ich hiperparametrami i danymi.
- Stos treningowy i zapisane wersje modelu w określonych punktach kontrolnych.
Implementacja gotowa do wykorzystania w środowisku produkcyjnym. Kluczowym elementem jest pełny potok trenowania i udostępniania modelu. Na tym etapie utwórz dokumentację dla przyszłych inżynierów, która wyjaśnia decyzje związane z modelowaniem, wdrażanie i monitorowanie, a także specyfikę danych.
Na wczesnym etapie przedstaw współpracownikom oczekiwania dotyczące każdej fazy projektu.
Pamiętaj
W niektórych przypadkach zainteresowane osoby mogą nie rozumieć złożoności i wyzwań związanych z systemami uczącymi się. Może to utrudniać ustalanie priorytetów i realizację projektów. Na przykład niektórzy zainteresowane osoby mogą założyć, że systemy uczące się są podobne do tradycyjnych metod inżynierii oprogramowania, a ich wyniki są deterministyczne. Mogą nie wiedzieć, dlaczego postępy w realizacji projektu są opóźnione lub dlaczego etapy projektu mają charakter nieliniowy.
Aby zarządzać oczekiwaniami zainteresowanych osób, musisz w jasny sposób informować o złożonościach, terminach i materiałach do dostarczenia na każdym etapie projektu.