管理大规模数据科学和机器学习项目具有挑战性,因为它们与软件工程有很大不同。由于我们的目标是在不显式编码的情况下发现数据中的模式,因此涉及更多的不确定性,这可能会导致各种问题,例如:
机器学习项目产生的不确定性是造成挫折的主要原因。当涉及通常有更高期望的大型项目时,这些挫折可能会被放大,并对组织和团队造成灾难性后果。
这篇博文是在我使用 DareData 管理大型数据科学项目的经验之后诞生的。我有机会管理各个行业的各种项目,与才华横溢的团队合作,他们为我的成长和成功做出了贡献,感谢他们,我可以收集这些技巧并以书面形式列出。
以下是一些指导我使许多项目取得成功的核心原则。我希望您发现它们很有价值