Maxim Savchenko
Немного смущает срок 6 лет. Как-то в индустрии привыкли к кейсам про 2-3 месяца. Зачем такой длительный срок был нужен?
Нет, мы любим животных. Программа просто будет фильтровать звук лая.
Здорово, давайте будем на связи!
Да, но мы будем делать версию под M1
Спасибо! Ваш опыт был бы очень полезен!
Да, свода выбора это здорово!)
Ваша боль понятна. Имел опыт нахождения по обе стороны "баррикад". И все, что дальше пишу - исключительно мой опыт и мое понимания ситуации)
Основная боль в проектах с машинным обучением - это что для заказчик продукт является черным ящиком часто до самого конца проекта (в вебе уже попроще, у заказчиков есть насмотренность). И именно это выступает часто стопфактором, а не то что есть сомнения получится ли провести тюнинг с 75% до 87%. Это тоже проблема, но следующая по порядку.
Так вот статья направлена на то, чтобы в яркой и упрощенной форме подчеркнуть, что риск "не понимаю что это и как этот блэкбокс будет работать" можно снять/снизить/сделать для заказчика более понятным даже за первые 24 часа или за любое другое доступное время. При этом сам проект в итоге не станет быстрее или проще, но вот заказчику проще станет. Что я наблюдаю на рынке сейчас: ML-команда - ну мы вам что-то ответим через 3-4 месяца R&D, этот риск вы должны принять, вы же бизнесмен. Бизнес - ну тогда бюджет на весь R&D 3 копейки, так как вообще ничего не понятно, но вроде интересно. Это попытка спихнуть риски друг на друга из-за чего страдают обе стороны. Последовательно снятие рисков по нашему опыту - это более цивилизованный подход, но более муторный, конечно. Так как нужно уметь в сложном решении не отстранятся от идеи, а что мы можем проверить за 24 часа, за первую неделю, за первый месяц и т.д. а находить такие гипотезы (просто так, как озарение они в голову не прийдут, нужно приучать ML-команду так работать, нас на это ушло около года и есть куда расти). Это усложняет проект для исполнителя, но заказчик в итоге охотнее расширяет бюджет и не происходит ситуации, когда надо собрать звезду смерти за цену "чашки чая".
Про то, как работать с другими рисками и невозможностью пояснить, в чем проблема поднять точность писали с нашими коллегами из AI Community тут. Может быть будет полезно https://rb.ru/opinion/ml-mvp/
Информация о положении и так поступает на центральный пульт, отраслевые правила требуют визуального контроля положения.
Есть ряд кейсов, в которых за 24 часа абсолютно все риски не снять. Но в таких случаях, очень часто оказывается, что у заказчика еще не готовы данные.
За 24 часа можно перебрать с заказчиком все данные, оценить что на них реально построить, дать рекомендации, что нужно дособирать.
В итоге, останется риск, удастся ли получить ваши 90%, но снимутся риски того, что в целом задача не выполнима, или к примеру поймем, что с текущими данными точность выше 70% не получить.
В таком случае, за 24 часа мы бы провели полный круг сбора данных, макетирование первого решения, и выяви для заказчика главный риск - хватит ли нам данных для достижения такого качества.
Может так совпало, может полностью заслуга автора. Но эта стать больше всего заинтересовала за последний год из контанта на VC