Các bên liên quan
Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
Các dự án học máy có nhiều bên liên quan với mức độ tham gia và trách nhiệm khác nhau. Việc tham gia sớm và hợp tác hiệu quả với các bên liên quan là điều cần thiết để phát triển giải pháp phù hợp, quản lý kỳ vọng và cuối cùng là triển khai thành công ML.
Hãy xác định các bên liên quan của dự án, các kết quả dự kiến và phương thức giao tiếp ưu tiên càng sớm càng tốt.
Hãy nhớ đưa họ vào danh sách các bên liên quan, cũng như mọi nhóm khác cần phê duyệt các khía cạnh của giải pháp học máy.
Thành phẩm
Mỗi bên liên quan có thể mong đợi những kết quả khác nhau ở mỗi giai đoạn của dự án. Dưới đây là danh sách các sản phẩm thường được cung cấp.
Tài liệu thiết kế.Trước khi viết một dòng mã, rất có thể bạn sẽ tạo một tài liệu thiết kế giải thích vấn đề, giải pháp đề xuất, các phương pháp tiếp cận tiềm năng và những rủi ro có thể xảy ra. Thông thường, tài liệu thiết kế đóng vai trò là một cách để nhận ý kiến phản hồi và giải quyết các câu hỏi cũng như mối lo ngại của các bên liên quan trong dự án.
Kết quả thử nghiệm. Bạn phải thông báo kết quả của giai đoạn thử nghiệm. Bạn thường sẽ thêm những thông tin sau:
- Hồ sơ về các thử nghiệm của bạn với siêu tham số và chỉ số.
- Ngăn xếp huấn luyện và các phiên bản đã lưu của mô hình tại một số điểm kiểm tra nhất định.
Triển khai sẵn sàng cho kênh phát hành công khai. Một quy trình hoàn chỉnh để huấn luyện và phân phát mô hình là kết quả chính. Ở giai đoạn này, hãy tạo tài liệu cho các kỹ sư trong tương lai để giải thích các quyết định mô hình hoá, thông tin cụ thể về việc triển khai và giám sát, cũng như các đặc điểm của dữ liệu.
Bạn nên sớm trao đổi với các bên liên quan về kỳ vọng của họ đối với từng giai đoạn của dự án.
Lưu ý
Trong một số trường hợp, các bên liên quan có thể không hiểu được sự phức tạp và thách thức của học máy. Điều này có thể gây khó khăn cho việc ưu tiên và thực hiện các dự án. Ví dụ: một số bên liên quan có thể cho rằng ML tương tự như các phương pháp kỹ thuật phần mềm truyền thống với kết quả xác định. Họ có thể không hiểu tại sao tiến độ của dự án bị đình trệ hoặc tại sao các cột mốc của dự án lại không theo một đường thẳng.
Để quản lý kỳ vọng của các bên liên quan, bạn cần phải trình bày rõ ràng về mức độ phức tạp, khung thời gian và kết quả ở từng giai đoạn của dự án.
Trừ phi có lưu ý khác, nội dung của trang này được cấp phép theo Giấy phép ghi nhận tác giả 4.0 của Creative Commons và các mẫu mã lập trình được cấp phép theo Giấy phép Apache 2.0. Để biết thông tin chi tiết, vui lòng tham khảo Chính sách trang web của Google Developers. Java là nhãn hiệu đã đăng ký của Oracle và/hoặc các đơn vị liên kết với Oracle.
Cập nhật lần gần đây nhất: 2025-07-27 UTC.
[null,null,["Cập nhật lần gần đây nhất: 2025-07-27 UTC."],[[["\u003cp\u003eMachine learning (ML) projects require early and consistent collaboration with stakeholders who have varying levels of involvement and expectations.\u003c/p\u003e\n"],["\u003cp\u003eClearly define project deliverables like design documents, experimental results, and production-ready implementations, aligning with stakeholder expectations for each project phase.\u003c/p\u003e\n"],["\u003cp\u003eProactively communicate the unique complexities and potential challenges inherent in ML projects to manage stakeholder expectations and ensure project success.\u003c/p\u003e\n"],["\u003cp\u003eEstablish clear communication channels and involve all necessary teams, including those requiring approval, for efficient project execution.\u003c/p\u003e\n"]]],[],null,["# Stakeholders\n\nML projects have multiple stakeholders with varying levels of involvement and\nresponsibilities. Early involvement and effective collaboration with\nstakeholders is essential for developing the right solution, managing\nexpectations, and ultimately for a successful ML implementation.\n\nAs early as possible, define your project's stakeholders, the expected\ndeliverables, and the preferred communication methods.\n\nBe sure to include them in your list of stakeholders, as well as any other\nteams who need to approve aspects of your ML solution.\n\nDeliverables\n------------\n\nEach stakeholder might expect different deliverables at each phase of the\nproject. Here's a list of common deliverables.\n\n- **Design doc.** Before you write a line of code, you'll most likely create a\n design doc that explains the problem, the proposed solution, the potential\n approaches, and possible risks. Typically, the design doc functions as a way\n to receive feedback and address questions and concerns from the project's\n stakeholders.\n\n \u003cbr /\u003e\n\n- **Experimental results.** You must communicate the outcomes from the\n experimentation phase. You'll typically include the following:\n\n - The record of your experiments with their hyperparameters and metrics.\n - The training stack and saved versions of your model at certain checkpoints.\n- **Production-ready implementation.** A full pipeline for training and\n serving your model is the key deliverable. At this phase, create\n documentation for future engineers that explain modeling decisions,\n deployment and monitoring specifics, and data peculiarities.\n\nYou should align early with your stakeholders on their expectations\nfor each phase of the project.\n\n### Keep in mind\n\nIn some cases, stakeholders might not understand the complexities and challenges\nof ML. This can make getting projects prioritized and executed difficult. For\nexample, some stakeholders might assume that ML is similar to traditional\nsoftware engineering practices with deterministic outcomes. They might not\nunderstand why the project's progress is stalled or why a project's milestones\nare non-linear.\n\nTo manage stakeholder expectations, it's critical to be clear about the\ncomplexities, timeframes, and deliverables at each stage of your project."]]
