AI 技术内参
洪亮劼
Etsy 数据科学主管,前雅虎研究院资深科学家
33455 人已学习
新⼈⾸单¥98
登录后,你可以任选6讲全文学习
课程目录
已完结/共 166 讲
开篇词 (1讲)
人工智能国际顶级会议 (31讲)
搜索核心技术 (28讲)
推荐系统核心技术 (22讲)
数据科学家与数据科学团队养成 (25讲)
AI 技术内参
15
15
1.0x
00:00/00:00
登录|注册

145 | 如何做好人工智能项目的管理?

不确定性导致无意义任务
假设工程步骤确定
任务细分
项目范围不可控
无法把握项目周期
项目范围的不可控
不确定性
保证项目在每一个交工日期都有成型结果
不可控部分无法利用软件工程方法
可控部分利用软件工程管理方法
有效管理项目范围
弊端
软件工程管理的核心思想
弊端
研究项目的特点
讨论如何寻求中间路线的办法
分析两种极端的项目管理模式及弊端
介绍人工智能项目管理
设置完整的“交工日期”
区分可控和不可控部分
迭代思路
把人工智能项目当作“软件工程项目”
把人工智能项目当作“研究项目”
小结
人工智能项目的管理
两种极端的项目管理模式
人工智能项目管理
如何做好人工智能项目的管理?

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?
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
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
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 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
立即购买
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。
    2018-08-31
    6
收起评论
显示
设置
留言
1
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部