프로덕션에 즉시 사용 가능한 구현. 모델 학습 및 서빙을 위한
전체 파이프라인이 핵심 결과물입니다 이 단계에서는 미래 엔지니어를 위해 모델링 결정, 배포 및 모니터링 세부사항, 데이터 특성을 설명하는 문서를 만듭니다.
프로젝트의 각 단계에 대한 기대에 대해 이해관계자와 조기에 조정해야 합니다.
주의사항
경우에 따라 이해관계자가 ML의 복잡성과 과제를 이해하지 못할 수 있습니다. 이로 인해 프로젝트의 우선순위를 정하고 실행하기가 어려워질 수 있습니다. 예를 들어 일부 이해관계자는 ML이 확정적인 결과를 얻는 기존의 소프트웨어 엔지니어링 방식과 유사하다고 생각할 수 있습니다. 프로젝트 진행이 지연된 이유나 프로젝트의 마일스톤이 비선형인 이유를 이해하지 못할 수 있습니다.
이해관계자의 기대치를 관리하려면 프로젝트의 각 단계에서 복잡성, 기간, 결과물을 명확하게 하는 것이 중요합니다.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["필요한 정보가 없음","missingTheInformationINeed","thumb-down"],["너무 복잡함/단계 수가 너무 많음","tooComplicatedTooManySteps","thumb-down"],["오래됨","outOfDate","thumb-down"],["번역 문제","translationIssue","thumb-down"],["샘플/코드 문제","samplesCodeIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2024-03-12(UTC)"],[[["Machine learning (ML) projects require early and consistent collaboration with stakeholders who have varying levels of involvement and expectations."],["Clearly define project deliverables like design documents, experimental results, and production-ready implementations, aligning with stakeholder expectations for each project phase."],["Proactively communicate the unique complexities and potential challenges inherent in ML projects to manage stakeholder expectations and ensure project success."],["Establish clear communication channels and involve all necessary teams, including those requiring approval, for efficient project execution."]]],[]]
