Документация облегчает коммуникацию с другими командами, сохраняет актуальный контекст проекта и уменьшаетBus Factor…
Bus Factor (согласно этой же ссылке) — количество программистов, которые должны «попасть под автобус», чтобы проект остановился. То есть наоборот, документация помогает повысить фактор.
Полноценный дизайн-документ для более долгосрочных ML-проектов требует более глубокой проработки и включает в себя … ● описание онлайн и оффлайн метрик;
Что подразумевается под оффлайн и онлайн метриками? Правильно ли я понимаю, что на оффлайн мы обучаем модель, а онлайн показываем бизнесу?
Я считаю, что в идеале в школе будут должны учить школьников использовать ai технологии, наподобие chatgpt, в повседневных задачах и учёбе. Как Интернет в своё время преобразил нашу жизнь, так и AI заметно поможет в выполнении самых различных задач. Человечество как-то сумело справиться с гдз (готовым домашнем заданием) и оксфордскими онлайн-курсами — школы стоят, и живые учителя никуда не делись.
Я бы чуть-чуть изменила набор. В идеале четыре человека должны разбираться в ML, причём кто-то должен лучше шарить за модели, а кто-то за аналитику данных. Пятый - дизайнер. Выступать должен тот, кто хорошо понимает решение, ему потом ещё на каверзные вопросы жюри отвечать. Плюс, чтобы раскрыть тему на защите, несведующему человеку придётся не иначе как зубрить готовый текст (который сможет составить только тот, кто шарит в ML).
Ну ещё, в зависимости от задачи, могут понадобиться фронтенд и бэкенд. В ML обычно или нужен только фронт (какой-то интерфейс для ввода данных и получения предсказания), или его не нужно вообще (only обученная модель).
Мы потому и не заняли высокого места, что в нашей команде только полтора человека строили модели и двое умели в анализ данных. Кстати, требование по командам было 3-5 человек, можно было прийти и втроём. Но в победители попадали только пятёрки, в которых в ML шарили вообще все.
Спасибо за комментарий! Согласна, насчёт системы "один человек - одна роль", - она самая рабочая. На хакатоне так и вышло - каждый из нас занимался почти всё время чем-то одним (анализ данных, обучение моделей, дизайн, фронтенд). Помогали друг другу все и всем, но как получится и если останутся силы.
Так что да, в настоящей dream team должны быть специалисты для каждой роли. Иначе нагрузка с нескольких ролей может свалиться на плечи одному человеку, как в нашем случае, или придётся всей командой латать кадровые дыры.
Bus Factor (согласно этой же ссылке) — количество программистов, которые должны «попасть под автобус», чтобы проект остановился. То есть наоборот, документация помогает повысить фактор.
Что подразумевается под оффлайн и онлайн метриками? Правильно ли я понимаю, что на оффлайн мы обучаем модель, а онлайн показываем бизнесу?
Я считаю, что в идеале в школе будут должны учить школьников использовать ai технологии, наподобие chatgpt, в повседневных задачах и учёбе. Как Интернет в своё время преобразил нашу жизнь, так и AI заметно поможет в выполнении самых различных задач. Человечество как-то сумело справиться с гдз (готовым домашнем заданием) и оксфордскими онлайн-курсами — школы стоят, и живые учителя никуда не делись.
Спасибо за обратную связь! Возможно, вы подскажите, как перевести вторую фразу точнее.
Оригинал: «The model manages multiple science tasks using single model».
Это мой первый перевод, с радостью учту советы и критику, чтобы следующие статьи были лучшего качества.
Я бы чуть-чуть изменила набор. В идеале четыре человека должны разбираться в ML, причём кто-то должен лучше шарить за модели, а кто-то за аналитику данных. Пятый - дизайнер. Выступать должен тот, кто хорошо понимает решение, ему потом ещё на каверзные вопросы жюри отвечать. Плюс, чтобы раскрыть тему на защите, несведующему человеку придётся не иначе как зубрить готовый текст (который сможет составить только тот, кто шарит в ML).
Ну ещё, в зависимости от задачи, могут понадобиться фронтенд и бэкенд. В ML обычно или нужен только фронт (какой-то интерфейс для ввода данных и получения предсказания), или его не нужно вообще (only обученная модель).
Мы потому и не заняли высокого места, что в нашей команде только полтора человека строили модели и двое умели в анализ данных. Кстати, требование по командам было 3-5 человек, можно было прийти и втроём. Но в победители попадали только пятёрки, в которых в ML шарили вообще все.
Спасибо большое за рекомендации. Думаю, после степика такие фундаментальные курсы окажутся отличным подспорьем!
О, какая удача увидеть брата по хакатону! Рада, что вам было интересно :)
Спасибо за комментарий! Согласна, насчёт системы "один человек - одна роль", - она самая рабочая. На хакатоне так и вышло - каждый из нас занимался почти всё время чем-то одним (анализ данных, обучение моделей, дизайн, фронтенд). Помогали друг другу все и всем, но как получится и если останутся силы.
Так что да, в настоящей dream team должны быть специалисты для каждой роли. Иначе нагрузка с нескольких ролей может свалиться на плечи одному человеку, как в нашем случае, или придётся всей командой латать кадровые дыры.