147 | 数据科学团队怎么选择产品和项目?
洪亮劼
该思维导图由 AI 生成,仅供参考
上一期内容,我们聊了聊数据科学团队在工程流程方面所需要注意的三大问题,分别是代码管理流程,开发部署环境流程和数据管理流程。
今天,我们来继续讨论数据科学团队发展这个话题,来看另外两个关键问题:如何选择合作产品以及如何选择项目。
如何选择合作产品
选择什么样的产品进行合作,对于一个数据科学或者人工智能团队的发展来说,是一个非常重要的问题,是决定工作能否事半功倍的关键步骤。
作为工程技术团队,很多数据科学或者人工智能团队都需要支持多个产品,或者说是有机会选择产品。一个稳定的产品往往可以让一个人工智能团队得到快速健康的发展,并且能够逐渐形成良性循环,发展到可以支持更多的产品。
那么,什么样的产品是值得合作的产品呢?
我先来说一类需要谨慎合作的产品,那就是全新的产品方向。对于全新的产品来说,公司之前在这个方向没有太多的产品积累,也可能完全没有技术积累。对于这一类项目,我们需要格外小心,特别是当你的团队还在发展的初期。
新产品有一个特点,那就是极大的不确定性。产品范围、需求和时间一般都是不确定的,这些都是一个稳定项目的天敌。另外,还有一个比较棘手的问题,那就是新的产品方向,特别是公司以前从来没有研发过的项目,往往缺乏数据。对于机器学习来说,数据匮乏就是“巧妇难为无米之炊”了。
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
数据科学团队在选择合作产品和项目时需要考虑多个关键因素。在选择合作产品时,团队需要谨慎对待全新产品方向,因为这类项目存在较大的不确定性和数据匮乏的风险。相对而言,选择那些需要数据驱动且与公司核心发展相关的产品,能够为人工智能团队带来更大的推动作用。在选择项目时,团队可以采用投资组合思维,将项目分为“高投入、高回报”、“低投入、高回报”、“高投入、低回报”和“低投入、低回报”四种类型,并据此进行项目筛选。特征工程项目通常属于“高回报”类型,而核心算法的改进则属于“高投入”类型,需要较长时间的研发周期和平台级别的变化。最后,读者被引导思考,如果团队希望从树模型升级到“深度模型”,这种项目属于介绍的四种类型项目中的哪一类。这篇文章为数据科学团队提供了在选择合作产品和项目时的重要考虑因素和思维模式,有助于读者快速了解并应用于实际工作中。
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(2)
- 最新
- 精选
- 阿国高投高产2018-08-26
- 阿国高投高产的2018-08-26
收起评论