其优点立即以团队可以理解的语言制定假

该团队已经参与研究阶段专注于业务目标和问题的技术制定。研究占据了数据科学家的大部分时间只有在研究之后才开始开发。好吧否则就不会开始。或者开发开始了但根本不是一开始的想法。我是负责数据驱动产品的开发。在这篇文章中我将以为例告诉您为什么开发产品是困难且有风险的。当团队中的好产品可以通过某些知识和技能增加成功机会时我会给出一些错误的例子。不要指望灵丹妙药但应该有一些有趣的想法如果没有产品怎么办任何基于机器学习的产品的想法必须从一开始就与技术专家讨论。

只有他们知道是否有足够的数据和能力进行训练研究等阶段需要多少时间我们是否可以使用开源解决方案等等。有些机器学习团队甚至不考 阿曼数据 虑产品。尽管如此在设置任务时您必须立即与团队领导或整个团队讨论。那么为什么我们需要一个管理者形式的额外层呢在这种情况下他的角色通常由团队领导或技术经理担任。这样做有设利益相关者的请求直接提出无需额外的过滤器。团队很高兴但也有缺点团队领导者可能会因技术问题和与人员合作而负担过重这不允许他们完全沉浸在业务细节中。



当利益相关者提出很多请求时处理这些请求并确定优先级就变得更加困难。不能使用最有价值的想法。产品通常在团队中执行的任务不会消失。必须有人与用户和业务客户沟通寻找见解制定目标评估业务解决方案的成本和价值并确定积压工作的优先级。可以坐在两把椅子上但仅限于责任范围相对狭窄且业务客户数量较少的区域。如果产品变得更大一点那么它就会获得大量的细微差别和细节这一点很重要不要忘记。如果你没有正确分配团队中的职责范围那么一些重要的事情肯定会被遗忘。