Başarılı bir şekilde canlıya alınması için iş birliği gerektiren pek çok bileşen, bir veri bilimi projesinin parçasıdır. Bu birbirine bağlı parçalarla, geliştirme ve devreye alma süreçlerinde çevik bir yaklaşım gereklidir. Bu yaklaşım, kurumların hızlı öğrenmesini ve hızlı yineleme yapmasını sağlar. Yakın tarihli bir DataCamp webinerinde Lucid Software’da İç Mühendislik Alanında Mühendislik Müdürü olan Brian Campbell, veri bilimi projelerini başarıyla canlıya almak için en iyi uygulamaları ele alıyor.
Çevik Geliştirmeyi Mümkün Kılan Erken Adımlar
Brian, bir projenin erken aşamalarında, bir modelin hem geliştirilmesi hem de devreye alınmasında paralel ilerlemeyi sağlayacak iki temel adım atılabileceğini açıklıyor: temel modellerle çalışmak ve bir prototip oluşturmak. Bu yaklaşımlar zaman çizelgesini karmaşıklaştırsa da sonuçları belirgin şekilde hızlandırır ve iyileştirir.
Temel Modellerle Çalışın
Makine öğrenimi projelerini başarıyla teslim etmeye yardımcı bir adım, bir temel model oluşturmaktır. Temel model, nihai modelle aynı çıktıları verir. Ancak geliştirme sürecinin büyük kısmından önce oluşturulur ve sezgisel kurallara veya rastgele verilere dayanabilir. Bu temel, sonraki yinelemelerin aşması gereken bir hedef sunar.
Ekip yeni modeller geliştirirken, yeni sonuçlar temel ile karşılaştırılarak öğrenmeye yön verir. Temel ile hedeflenen durum arasındaki fark, proje gereksinimlerini bilgilendirir ve ekiplerin sorun için en değerli veri ve çözümleri belirlemesine yardımcı olur.
Prototiplerle Çalışın
Prototipler, nihai modelin alacağı girdilerin aynısını alan ve aynı biçimde çıktılar sağlayan modellerdir. Bu model, temel modelden ilham alabilir. Prototip hazır olduğunda, devreye almadan sorumlu kişiler modeli amacına entegre etmek için çalışmaya başlayabilir. Prototip, model üzerinde paralel ilerlemeyi mümkün kılar; veri bilimciler modeli iyileştirirken uygulama ekibi modelin müşterilere veya bir iş süreci içinde nasıl paketleneceği üzerinde çalışır.
Prototipler, yalnızca nihai model prototip ile aynı şekilde davrandığında işe yarar. Bu nedenle, prototip oluşturmadan önce mevcut veriyi ve hedeflenen çıktı biçimini anlamak gerekir. Bu da, başlangıçtaki problem formülasyonunun ötesinde proje hakkında bazı bilgiye ve problem uzmanları ile güçlü bir iş birliğine ihtiyaç duyar.
Temel Modeller ve Prototiplerin Gerçek Dünya Kullanım Örneği
Brian, Lucid ekibinin ürün, tasarım ve mühendislik ekipleri tarafından kullanılan bir yapışkan not ürününe yönelik kümeleme modelinin geliştirilmesini hızlandırmak için temel modelleri ve prototipleri nasıl kullandığını anlatıyor. Bu ekipler, bir fasilitatörün benzer türdeki yapışkan notları belirli bir kategori altında manuel olarak kümelendirmesi gereken tasarım odaklı düşünme oturumları yürütür. Sistemin hedefi, fikirleri otomatik olarak kategorilere ayırıp yinelenenleri kaldırarak beyin fırtınası ile tartışma arasındaki süreyi azaltmaktı.
Temel model, rastgele fikirleri alıp onlar için rastgele kategoriler üretiyordu. Ardından, uygulama uzmanlarının geliştirme sürecinin başlarında çalışmaya başlamasını sağlamak için bu modelin bir prototipini oluşturdular. Zaman içinde, benzer yapışkan notları birlikte kümelendirmek için doğal dil işleme ve makine öğreniminden yararlanarak temel modeli geliştirdiler.
Bu modellerde iletişim önemlidir
Bu projenin ilk yinelemesi, modeli üzerinde çalışan veri bilimciler ile devreye alma ekibi arasında tutarlı bir iş birliği olmadığı için bazı sorunlarla karşılaştı. Bu ekip çalışması eksikliği, model performans sorunlarına, hatalı testlere ve zayıf bir ürün deneyimine yol açtı. Modeli paralel şekilde geliştirmenin sinerjilerinden yararlanamadılar.
Projeyi yeniden başlattıklarında ve etkili şekilde iş birliği yaptıklarında, bu sorunları çözdüler ve gerçekçi beklentiler belirlediler. İş birliği, devreye alma ekibinin model üzerinde çalışan veri bilimi ekibiyle paralel şekilde çalışmasına olanak tanıyan bir prototip modele sahip olunmasıyla mümkün oldu.
Projedeki çıkarımları ve karmaşık veri bilimi projelerini etkili şekilde nasıl yönetebileceğinizi anlamak için talep üzerine webinara mutlaka göz atın.
