如何使机器学习产品化同时保持敏捷性?

  • 时间:
  • 浏览:0
  • 来源:大发彩神app—大发彩神8苹果版

在试验和研究不同的想法时,很容易陷入黑客模式。而用粗略的脚那我证明另另1个多初始的概念或想法这也是相似法律依据 ,但随着团队的进步,实际上将更有利于投资良好的编码原则的进步。尽管随着团队在多个方面的工作,让一次脚本变得更有意义,但通过正确分离,可重用和组织合理的代码使未来的研究更容易,也会减少生产中的成本。投资机器学习,使实验易于测试(并对不同的处里方案进行基准测试)将从一开始英语 就非常有益。

人造智能(AI)和机器学习(ML)现在风靡一时,在谷歌最近的I / O 2017活动中,我们我们将ML和益心计划渗透到所有产品中,某些大公司都转型成了机器学习公司,这是大数据时代的相似进步。

怎么才能 才能 将机器学习融入到你的开发周期之中? JAX London大会上的演讲者罗伯·希德具体解释了怎么才能 才能 使你的系统进程适应机器学习,一并仍然保持着敏捷和精益的原则。

JAX London会议期间介绍了在敏捷开发环境中的机器学习研究。这是某些有关主题的高级概述。一并也做了某些很酷的机器学习演示,这会让它更为直观且具有趣味性。

进入发展冲刺周期

机器学习是相似增强产品的有力工具。有日后,机器学习不应被视为产品的卖点,应该是产品第一。也而是说,无论是由机器管理还是人为监督,最应该考虑的是,它与非 有产品的市场。为更好地适应市场并提供价值给客户,构建完整篇 非ML版本的产品与非 有意义。

本文转自d1net(转载)

问题是有哪些?

不须忘记洁净车间代码

  从“小”建立产品价值

机器学习不等于产品

精益创业和快速迭代原理这里仍然适用:法律依据 上述观点,从非ML版本产品开始英语 ,当你开始英语 应用ML技术时,原应分析你都都可不后能 开始英语 利用其中某些技术来获得均匀的性能的小幅增长(更好的建议是,减少人力/成本,改善用户体验。这只需5%的案例,用ML替代人力就可不后能 实现成本效益),没人 这就原应分析价值上升的开始英语 。从“小”开始英语 ,你可不后能 见证价值的变化,一并也让ML基础架构经过了测试和验证。

同样,原应分析有了来自研发团队的数据结构或反馈,某些某些能很容易地进行设计,并使研究更简单。都是而是研究正在进行,有日后通常是另另1个多耗时的任务,但有两周的时间可不后能 进行讨论,这对整个团队的理解以及提供另另1个多积极的鼓励都是有好处的。

你原应分析正在招聘新的研发团队,原应分析原应分析正在使用现有工程团队的成员。无论哪种法律依据 ,让我们我们在相似的开发冲刺周期中工作(原应分析你在冲刺中工作)也很有帮助。这将使双方的团队都都可不后能 了解处在的情况表和工作进展情况表:产品和工程变更和问题原应分析有有利于指导研发方向。

根据最近一份的调查,有38%的受访企业原应分析在使用人工智能,其中62%有望在2018年日后使用。有日后,某些某些企业在充分了解我们我们实现的目标日后,原应分析会感觉到投资于人工智能战略方面的压力,更不须适应传统的工程交付团队的压力了。