Kapitel 4. Prototyping
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Jetzt solltest du endlich genug theoretisches Hintergrundwissen haben, um einige KI-Anwendungsfälle in die Praxis umzusetzen. In diesem Kapitel erfährst du, wie du mit einer aus dem Produktmanagement entlehnten Prototyping-Technik schnell ML-Anwendungsfälle erstellen und in die Praxis umsetzen und deine Annahmen über Machbarkeit und Auswirkungen überprüfen kannst.
Erinnere dich, unser Ziel ist es, schnell herauszufinden, ob unsere KI-gestützte Idee einen Mehrwert schafft und ob wir in der Lage sind, eine erste Version der Lösung zu bauen, ohne zu viel Zeit oder andere Ressourcen zu verschwenden. In diesem Kapitel lernst du nicht nur die theoretischen Konzepte zum Prototyping kennen, sondern auch die konkreten Werkzeuge, die wir in den Beispielen in diesem Buch verwenden werden.
Was ist ein Prototyp, und warum ist er wichtig?
Sehen wir der harten Wahrheit ins Auge: Die meisten ML-Projekte schlagen fehl. Und das liegt nicht daran, dass die meisten Projekte unterfinanziert sind oder es ihnen an Talent mangelt (obwohl das auch häufige Probleme sind).
Der Hauptgrund, warum ML-Projekte fehlschlagen, ist die unglaubliche Ungewissheit, die sie umgibt: Anforderungen, Lösungsumfang, Nutzerakzeptanz, Infrastruktur, rechtliche Erwägungen und vor allem die Qualität des Ergebnisses lassen sich im Vorfeld einer neuen Initiative nur sehr ...