پروژه های ML دارای ذینفعان متعدد با سطوح مختلف مشارکت و مسئولیت هستند. مشارکت زودهنگام و همکاری موثر با ذینفعان برای توسعه راه حل مناسب، مدیریت انتظارات و در نهایت برای اجرای موفق ML ضروری است.
در اولین فرصت ممکن، ذینفعان پروژه خود، نتایج مورد انتظار و روش های ارتباطی ترجیحی را مشخص کنید.
مطمئن شوید که آنها را در لیست سهامداران خود و همچنین سایر تیم هایی که نیاز به تایید جنبه های راه حل ML شما دارند، قرار دهید.
تحویل دادنی ها
هر ذینفع ممکن است در هر مرحله از پروژه انتظار تحویل متفاوتی داشته باشد. در اینجا لیستی از محصولات قابل تحویل رایج است.
سند طراحی قبل از نوشتن یک خط کد، به احتمال زیاد یک سند طراحی ایجاد خواهید کرد که مشکل، راه حل پیشنهادی، رویکردهای بالقوه و خطرات احتمالی را توضیح می دهد. به طور معمول، سند طراحی به عنوان راهی برای دریافت بازخورد و پاسخگویی به سؤالات و نگرانی های ذینفعان پروژه عمل می کند.
برای مثالی از الگوی سند طراحی ML به go/ml-design-doc-example مراجعه کنید.
نتایج تجربی. شما باید پیامدهای مرحله آزمایش را به اشتراک بگذارید. شما معمولاً موارد زیر را شامل می‌شوید:
- رکورد آزمایشات خود را با فراپارامترها و معیارهای آنها.
- پشته آموزشی و نسخه های ذخیره شده مدل شما در نقاط بازرسی خاص.
اجرای آماده تولید. یک خط لوله کامل برای آموزش و ارائه مدل شما، تحویل کلیدی است. در این مرحله، اسنادی را برای مهندسان آینده ایجاد کنید که تصمیمات مدل‌سازی، ویژگی‌های استقرار و نظارت، و ویژگی‌های داده را توضیح می‌دهد.
شما باید زودتر با ذینفعان خود در مورد انتظارات آنها برای هر مرحله از پروژه هماهنگ شوید.
یادت باشه
در برخی موارد، ذینفعان ممکن است پیچیدگی ها و چالش های ML را درک نکنند. این می تواند اولویت بندی و اجرای پروژه ها را دشوار کند. به عنوان مثال، برخی از ذینفعان ممکن است فرض کنند که ML مشابه شیوه های مهندسی نرم افزار سنتی با نتایج قطعی است. آنها ممکن است درک نکنند که چرا پیشرفت پروژه متوقف شده است یا چرا نقاط عطف پروژه غیرخطی هستند.
برای مدیریت انتظارات ذینفعان، بسیار مهم است که در مورد پیچیدگی ها، چارچوب های زمانی و قابل تحویل در هر مرحله از پروژه خود شفاف باشید.