Dzisiaj odpowiadam o tym, co i dlaczego może nie wyjść w projektach machine learning, i jak sobie z tym radzić.
Dzisiejszy odcinek to opowieść o tym, czego nauczyłem się przez lata, prowadząc różne projekty z wykorzystaniem metod machine learning. Jedno musisz wiedzieć już na samym początku — projekt machine learning to nie to samo, co klasyczny projekt IT. W projektach ML ryzyko porażki zawsze będzie nieporównywalnie większe, motywacja w zespole nieporównywalnie bardziej zagrożona, dane nieporównywalnie bardziej istotne, założone metryki nieporównywalnie bardziej niepewne, wdrożenie na produkcję nieporównywalnie bardziej skomplikowane, a finalny efekt... może być dobry lub zły :) Dziś opowiem Ci o tym, jakie są największe ryzyka w prowadzeniu projektów z wykorzystaniem metod machine learning. Ale to nie wszystko. Najważniejsze jest to, że dam Ci też szczegółowe wskazówki, jak minimalizować te ryzyka i jak sobie z nimi radzić, by mieć pewność, że opracowane rozwiązanie będzie zgodne z Twoimi oczekiwaniami.
Jeśli masz pytanie nt. budowania produktów i usług z wykorzystaniem sztucznej inteligencji, uczenia maszynowego lub blockchain, napisz i zamów konsultację: sopyla@ermlab.com
Obserwuj mnie i mój zespół w mediach społecznościowych!
dr Krzysztof Sopyła
Blog: https://ksopyla.com
Linkedin: https://www.linkedin.com/in/krzysztofsopyla/
Instagram: https://instagram.com/ksopyla
GitHub: https://github.com/ksopyla
Ermlab Software:
Linkedin: https://www.linkedin.com/company/10361301
Facebook: https://www.facebook.com/ermlab