机器学习项目有多个利益相关方，他们的参与程度和职责各不相同。及早参与并与利益相关方进行有效协作对于开发合适的解决方案、管理预期并最终成功实现机器学习至关重要。
请尽早定义项目的利益相关方、预期交付成果以及首选的沟通方法。
请务必让他们以及需要审批机器学习解决方案各个方面的任何其他团队包含他们。
交付成果
每个利益相关方在项目的各个阶段都可能期望实现不同的交付成果。下面列出了常见的交付成果。
设计文档。在编写代码行之前，您很可能会创建一个设计文档来说明问题、建议的解决方案、可能的方法以及可能的风险。通常，设计文档的作用是接收反馈并解决项目利益相关方的问题和疑虑。
如需查看机器学习设计文档模板的示例，请参阅 go/ml-design-doc-example。
实验结果。您必须传达实验阶段的结果。通常情况下，您需要添加以下内容：
- 超参数和指标的实验记录。
- 模型在某些检查点的训练堆栈和已保存版本。
可直接用于生产环境的实现。用于训练和提供模型的完整流水线是关键交付成果。在此阶段，请为未来的工程师创建文档，说明建模决策、部署和监控细节以及数据特性。
您应尽早与利益相关方就项目每个阶段的预期达成一致。
注意事项
在某些情况下，利益相关方可能不了解机器学习的复杂性和挑战。这可能会使项目的优先级增加并难以执行。例如，一些利益相关方可能会认为机器学习类似于具有确定性结果的传统软件工程做法。他们可能不了解项目进度停滞的原因，或者项目的里程碑是非线性的。
为了管理利益相关方的期望，您必须清楚了解项目每个阶段的复杂性、时间范围和可交付成果。