تتطلّب مشاريع تعلُّم الآلة فرقًا تتضمّن أعضاء لديهم مجموعة من المهارات والخبرات والمسؤوليات المتعلّقة بتعلُّم الآلة. هذه هي الأكثر شيوعًا الوظائف الموجودة في فرق تعلُّم الآلة النموذجية:
| الدور | المعرفة والمهارات | المنتج الرئيسي |
|---|---|---|
| مدير منتجات الذكاء الاصطناعي | يتمتع مديرو منتجات التعلم الآلي بفهم عميق لنقاط قوة التعلم الآلي والضعف وعملية تطوير التعلم الآلي. وينسّقون بين مشاكل النشاط التجاري وحلول تعلُّم الآلة من خلال العمل مباشرةً مع فريق تعلُّم الآلة والمستخدمين النهائيين والمعنيّين الآخرين. هم وإنشاء رؤية المنتج وتحديد حالات الاستخدام ومتطلباته وتخطيط المشروعات وتحديد أولوياتها. |
وثيقة متطلبات المنتج (PRD). |
| مدير الهندسة | يحقّق مدراء الهندسة أهداف النشاط التجاري من خلال تحديد أولويات الفريق ومناقشتها و تحقيقها. مثل تعلُّم الآلة لمديري المنتجات، فهم يقومون بمواءمة حلول تعلُّم الآلة مع مشكلات العمل. ويحدّدون توقعات واضحة لأعضاء الفريق، ويُجريون تقييمات الأداء، ويساعدون في تطوير المسار الوظيفي والنمو المهني. |
مستندات التصميم وخطط المشاريع وتقييمات الأداء |
| عالِم بيانات | يستخدم علماء البيانات التحليل الكمي والإحصائي لاستخراج الرؤى والقيمة من البيانات. إنها تساعد في تحديد واختبار والميزات ونماذج النماذج الأولية والمساعدة في قابلية تفسير النموذج. | التقارير وعروض البيانات المرئية التي تجيب عن أسئلة الأعمال من خلال التحليل الإحصائي |
| مهندس تقنية تعلُّم الآلة | يعمل مهندسو تعلُّم الآلة على تصميم نماذج تعلُّم الآلة وإنشائها ونشرها وإدارتها. إنهم مهندسو برمجيات أقوياء لديهم فهم عميق لتعلُّم الآلة والتقنيات وأفضل الممارسات. | تم نشر نموذج بجودة توقّعات كافية لتلبية احتياجات النشاط التجاري. الأهداف. |
| مهندس بيانات | يقوم مهندسو البيانات بإنشاء مسارات البيانات لتخزين وتجميع معالجة كميات كبيرة من البيانات. إنهم يقومون بتطوير البنية التحتية وأنظمة لجمع البيانات الأولية وتحويلها إلى بتنسيقات مفيدة لتدريب النموذج وعرضه. يتحمّل مهندسو البيانات المسؤولية عن البيانات في جميع مراحل تطوير تعلُّم الآلة. | مسارات بيانات منتجة بالكامل مع المراقبة بشكل أفضل. |
| مهندس عمليات المطوّرين (DevOps) | يطوّر مهندسو DevOps البنية الأساسية لعرض نماذج تعلُّم الآلة وينشرونها ويوسّعون نطاقها ويراقبونها. | يشير هذا المصطلح إلى عملية مبرمَجة لعرض الإعلانات ومراقبتها واختبارها والتنبيه بشأن تلك الميزات. سلوك النموذج. |
تمتلك مشروعات تعلُّم الآلة الناجحة فرقًا لكل دور بشكل جيد ممثلة. في الفرق الأصغر، سيحتاج الأفراد إلى التعامل مع مسؤوليات أدوار متعددة.
وضع ممارسات الفريق
ولأنّ الأدوار والأدوات والأُطر تختلف اختلافًا كبيرًا في تطوير الذكاء الاصطناعي، من المهم وضع الممارسات الشائعة من خلال مستندات عملية ممتازة. على سبيل المثال، قد يختار أحد المهندسين يعتقدون أن مجرد الحصول على البيانات الصحيحة يكفي لبدء تدريب أي نموذج، بينما يتأكد مهندس أكثر مسؤولية من أن مجموعة البيانات مخفية بشكل صحيح وتوثيق بياناتها الوصفية وأصلها. إنّ التأكّد من مشاركة المهندسين لتعريفات مشتركة للعمليات وأنماط التصميم يقلل من الالتباس ويزيد من سرعة عمل الفريق.
مستندات العملية
يجب أن تحدِّد مستندات العملية الأدوات والبنية الأساسية والعمليات التي سيستخدمها الفريق لتطوير الذكاء الاصطناعي. تساعد مستندات العملية الجيدة على التوافق بين الجديد والحالي أعضاء الفريق. يجب أن يجيب على أنواع الأسئلة التالية:
- كيف يتم إنشاء البيانات للنموذج؟
- كيف نفحص البيانات ونتحقق من صحتها ونعرضها؟
- كيف نعدِّل ميزة أو تصنيف إدخال في بيانات التدريب؟
- كيف يمكننا تخصيص مسار إنشاء البيانات والتدريب والتقييم؟
- كيف يمكنني تغيير بنية النموذج لاستيعاب التغييرات في سمات أو تصنيفات الإدخال؟
- كيف يمكننا الحصول على أمثلة الاختبار؟
- ما المقاييس التي سنستخدمها للحكم على جودة النموذج؟
- كيف نُطلِق نماذجنا في مرحلة الإنتاج؟
- كيف سنعرف ما إذا كان هناك خطأ في النموذج؟
- ما هي الأنظمة الأساسية التي تعتمد عليها نماذجنا؟
- كيف يمكنني جعل طلبات البحث في SQL قابلة للصيانة وإعادة الاستخدام؟
المزيد من الأسئلة المحتمَلة
الطرازهل يمكنني تطبيق نماذج على مجموعات بيانات مختلفة بنفس مسار البيانات، مثل الضبط الدقيق؟
كيف يمكنني إضافة مجموعة بيانات اختبار جديدة إلى مسار الإحالة الناجحة؟
كيف يمكنني التحقّق من توقّعات النموذج استنادًا إلى مثال تم إنشاؤه يدويًا؟
كيف يمكنني العثور على أمثلة على الأخطاء التي ارتكبها النموذج وفحصها وعرضها بشكل مرئي؟
كيف يمكنني تحديد الميزة الأكثر مسؤولية عن توقّع معيّن؟
كيف يمكنني معرفة الميزات التي لها أكبر تأثير في التنبؤات ضمن عينة معينة؟
كيف يمكنني احتساب توقّعات النموذج أو رسمها على مجموعة بيانات أو عيّنة محدّدة؟
كيف يمكنني احتساب المقاييس العادية لتوقّعات النموذج على مجموعة بيانات محدّدة؟
كيف يمكنني تطوير المقاييس المخصّصة واحتساب قيمها؟
كيف يمكنني مقارنة نموذجي بالطُرز الأخرى بلا إنترنت؟
هل يمكنني إجراء تحليل شمولي لتقييمات نماذج متعددة في بيئة تطوير واحدة؟
هل يمكنني مقارنة النموذج الحالي بالنموذج الذي مرّ عليه 10 أشهر؟
أعتقد أنّني أنشأت نموذجًا جيدًا. كيف يمكنني إطلاقه في قناة الإصدار العلني؟
كيف يمكنني التحقّق من أنّ نموذجي الجديد يعمل في قناة الإصدار العلني بشكل صحيح؟
هل يمكنني الحصول على تاريخ تقييمات التقييمات بمرور الوقت؟
كيف سأعرف متى يكون هناك خطأ في النموذج؟
تم تعيين صفحة/خطأ يشير إلى معلومات حول النموذج. ماذا يجب أن أفعل؟
كيف يمكنني تخصيص مسار إنشاء/تدريب/تقييم البيانات؟
متى يجب إنشاء مسار جديد تمامًا وكيف يمكنني ذلك؟
أحتاج إلى SQL لإنشاء بعض البيانات. أين يجب أن أضع الرمز؟
كيف يعمل عرض النماذج؟ هل هناك رسم بياني؟
ما هي الأنظمة الأساسية التي يعتمد عليها نموذجي والتي يجب أن أكون على دراية بها؟
لا أستطيع اكتشاف شيء ما. بمن يمكنني التواصل (وكيف يمكنني التواصل)؟
تنبيه
ما الذي يشكّل "أفضل ممارسات تعلُّم الآلة" يمكن أن تختلف بين الشركات والفرق الأفراد. على سبيل المثال، قد يعتبر بعض أعضاء الفريق "مشاريع تعاونية" التجريبية على أنّها النتيجة النهائية الأساسية، بينما يريد البعض الآخر العمل في R. قد يكون لدى البعض شغف هندسة البرمجيات، يعتقد شخص آخر أن المراقبة هي الأهم الشيء، ولكن هناك شخصًا آخر على دراية بالممارسات الجيدة لإنشاء الميزات ولكن استخدام سكالا. يكون كل شخص "محقًا" من وجهة نظره، وإذا تم توجيهه بشكل صحيح، سيكون المزيج فعّالاً. وإذا لم يكن الأمر كذلك، قد تصبح الأمور مربكة.
سيؤدي إنشاء الأدوات والعمليات والبنية الأساسية التي سيستخدمها الفريق قبل فإن كتابة سطر من التعليمات البرمجية يمكن أن يكون الفرق بين فشل المشروع بعد عامين أو الإطلاق بنجاح قبل ربع سنة من الموعد المحدد.
تقييمات الأداء
بسبب الغموض وعدم اليقين المتأصلين في تعلُّم الآلة، يحتاج مديرو الأشخاص إلى تحديد توقعات واضحة وتحديد المُخرَجات النهائية في وقت مبكر.
عند تحديد التوقعات والمُخرَجات النهائية، ضع في اعتبارك كيف ستكون تقييمها إذا لم ينجح المشروع أو النهج. بعبارة أخرى، من أهمية ألا يكون أداء أحد أعضاء الفريق مرتبطًا بشكل مباشر ونجاحه. على سبيل المثال، من الشائع أن يقضي أعضاء الفريق أسابيع في التحقيق في الحلول التي لا تنجح في النهاية. وحتى في هذه الحالات، من المفترض أن تساهم الرموز البرمجية العالية الجودة والتوثيق الشامل والفعالة في التعاون في تقييم الأداء بشكل إيجابي.