Как стать автором
Обновить

Метод спусковых крючков в ML-практике

Время на прочтение3 мин
Количество просмотров3.3K

Я уже много лет являюсь любителем различных систем и книг по личной эффективности и продуктивности. Точно скажу, что в этих вопросах - главное не переборщить и не стать "рабом продуктивности", но правильно подобранные под себя принципы и инструменты могут ощутимо повысить выхлоп и снизить уровень тревоги. Например, метод calendar blocking точно подойдёт не всем =)

Моя система продуктивности во многом основана на книгах Дорофеева и системе Getting Things Done. Поэтому, если вы ещё не знакомы с подобными материалами до прочтения поста я хочу порекомендовать вам прочитать эту статью.

Недавно у нас в отделе был месяц Софт-заправки - каждую неделю разные спикеры раскрывали темы, связанные с софт-скиллами в процессе разработки и управления продуктом. В рамках этого эвента я в формате баттла как раз рассказывал про основы своей системы (осторожно, это внутренний эвент, поэтому присутствует ненормативная лексика😉).

Один из важнейших принципов - выгрузка информации из мозга. Большую часть задач, мыслей и идей я стараюсь сразу же заносить в базу знаний, список задач или хотя бы заметки в Телеграме. Но как ни старайся - часть информации остаётся в глубинах сознания, оседает там мёртвым грузом и увеличивает общий уровень тревожности. Часто важные идеи или проекты, к которым вы долго не подступали, тоже уходят в эту глубинную часть мозга. Чтобы выгрузить всё это на внешние хранители информации, Дорофеев предлагает использовать метод спусковых крючков, он же mind sweep trigger list в GTD. Идея простая - садимся в тишине с чистым листом бумаги и начинаем идти по списку, выписывая по ходу все дела и идеи, которые будут возникать как ассоциации к разным пунктам списка. Я этот метод использую достаточно часто, это можно делать регулярно, а можно симптоматически - если начинает всё чаще посещать мысль "что-то я упускаю".

Почему я вообще пишу об этом в ML-блоге?

На днях мне пришла мысль, что этот метод можно использовать для генерации идей по улучшению процессов в организации. Одна из моих важнейших задач в роли руководителя отдела - постоянно искать и думать, какие изменения можно внедрить, чтобы улучшать качество продуктов, ускорять разработку, разрушать барьеры между командами и отделами и главное - увеличивать удовольствие сотрудников от работы в нашей компании. Изменения могут затрагивать большое количество областей - машинное обучение, генерацию идей, MLOps и инструменты, процессы и коммуникации, развитие сотрудников, найм, работу с данными, культуру компании, планирование. Кроме того, изменения отличаются по уровню внедрения - личные, командные, общие. Как за всем уследить и выбрать те изменения, которые дадут наибольший эффект для всей компании?

Я попробовал провести ретро среди лидов ML-команд по методу спусковых крючков. Набросал mind map с триггерами, распечатал 6 копий и принёс на встречу.

Карта крючков, которую я использовал
Карта крючков, которую я использовал

Сначала попросил всех без контекста описать 2-3 важные проблемы. На это ушло несколько минут, и в целом какие-то общие сюжеты начали проклёвываться. Затем я раздал всем карту крючков и предложил выписывать проблемы, которые ассоциируются с каждым пунктом карты. Через 5-7 минут список проблем у каждого ощутимо вырос 😂 Дальше возможные вариации, мы решили пройтись по разным областям и отдельно обсудить проблемы в каждой из них. Конечно, генерация проблем - лишь первый шаг, теперь нужно их приоритизировать, придумать варианты решения, выбрать агентов изменений, внедрить изменения, но это оставим за скобками этого поста =)

Список таких "крючков", понятное дело, лучше составлять индивидуально для каждой компании, но для ML-продуктов явно есть некоторое количество специфических областей - модельные и дата-гипотезы, работа с данными, MLOps-инструменты, обратная связь по ошибкам модели. Мне такой метод зашёл, он явно позволяет более широко и в то же время детально посмотреть на разные факторы, влияющие на качество, скорость и удовольствие от работы.

Если вы хотите узнать ещё больше об организации процессов ML-разработки, подписывайтесь на наш Телеграм-канал Варим ML!

Еm

Теги:
Хабы:
Всего голосов 5: ↑4 и ↓1+3
Комментарии0

Публикации

Истории

Работа

Data Scientist
62 вакансии

Ближайшие события