145 | 如何做好人工智能项目的管理?
洪亮劼
该思维导图由 AI 生成,仅供参考
关于数据科学团队养成这个主题,在之前的分享中,我们已经聊了数据科学团队招聘以及一些高级话题,主要是围绕如何组建一个高效的团队,包括数据科学家的绩效评定、培养以及如何构建水平和垂直的组织架构这些内容。
在接下来的几篇分享里,我们重新回到数据科学团队的本源,来看一看数据科学团队在整个公司的位置,以及在数据科学团队的发展和运行中,又有哪些至关重要的环节。
今天我们就来聊一聊运行数据科学团队里面的一个核心问题,就是如何针对人工智能项目进行管理,从而保证团队运行的项目能够顺利完成,同时能够真正帮助企业利用人工智能技术来推动产品的发展。
一说到项目管理,很多成熟的工程师或者项目经理可能会不以为然,觉得不需要对人工智能项目进行额外的关注。但是在实际工作中,如何运作数据科学项目关系到整个产品的推进,甚至可能对公司的发展都会有不小的影响。
那么,通常情况下,针对人工智能项目会有哪些项目管理的模式呢?我们先来看看两种极端模式。
把人工智能项目当作“研究项目”
第一种模式是把人工智能项目完全当作是研究项目。很多从学术界转到工业界的研究人员和工程师,在处理人工智能项目时就很容易陷入这种状态。那么研究项目有哪些特点,或者说,如果我们把人工智能项目完全当作是研究项目,会带来什么问题呢?
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
人工智能项目管理是数据科学团队中的核心问题。文章首先介绍了两种极端的项目管理模式:将人工智能项目视为研究项目和将其视为软件工程项目。针对这两种极端模式的弊端,文章提出了一种中间路线的管理方法。这种方法主要包括迭代思路、分清可控和不可控的任务部分以及设置完整的“交工日期”。通过这些方法,可以更有效地管理人工智能项目,确保项目在每一个交工日期都有一个成型的结果,并在迭代中不断提高模型的精度。 总结:本文深入探讨了人工智能项目管理的核心问题,提出了针对两种极端管理模式的中间路线方法。这些方法能够帮助读者更好地理解人工智能项目管理的关键要点,以及如何在实践中应用这些方法来提高项目的效率和成果。
仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《AI 技术内参》,新⼈⾸单¥98
《AI 技术内参》,新⼈⾸单¥98
立即购买
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(1)
- 最新
- 精选
- 廉明我们是这样做的 整体使用模块化。确定性模块和不确定模块,都先定义好接口。先用baseline代码实现功能,确保数据和整体流程在限定日期可以跑起来。然后各模块分头开发。整合时再进行准确率调优和性能调优。这样项目才能可控。2018-08-316
收起评论