Effektive Teams für maschinelles Lernen

Kapitel 2. Produkt- und Lieferpraktiken für ML-Teams

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Produktentwicklung ist nicht einfach. Tatsächlich schlagen die meisten Produktentwicklungsbemühungen fehl, und der häufigste Grund für das Scheitern ist die Entwicklung des falschen Produkts.

Henrik Kniberg, Agile und Lean Coach

Du kannst acht Stunden am Tag üben, aber wenn deine Technik nicht stimmt, wirst du nur sehr gut darin, auf die falsche Weise zu schießen. Wenn du die Grundlagen beherrschst, steigt das Niveau deiner Leistungen.

Michael Jordan

In Kapitel 1 haben wir die fünf Disziplinen vorgestellt, die für die Bereitstellung von ML-Lösungen erforderlich sind: Produkt, Lieferung, ML, Softwareentwicklung und Daten. Später, in Teil II des Buches, werden wir uns auf viele Praktiken in den Bereichen Technik, ML und Daten konzentrieren, die den Teams helfen, das Richtige zu tun und Mühen, Verschwendung und Nacharbeit zu reduzieren. Diese Praktiken werden die Geschwindigkeit und die Produktqualität verbessern. Es ist jedoch wichtig, dass wir zunächst mit Produkt- und Lieferpraktiken beginnen, die den Teams bei einem noch wichtigeren Ziel helfen: wie man das Richtige baut.

In diesem Kapitel befassen wir uns mit den Aspekten des ML-Produktentwicklungszyklus, bei denen wir häufig beobachten, dass die Bemühungen der Teams vergeblich sind, weil die Anforderungen der Kunden oder des Unternehmens ...