有关如何管理大规模数据科学项目的技巧

使用这些技巧可以最大限度地提高数据科学项目的成功

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：

利益相关者的高期望可能无法实现
项目可能需要比最初计划更长的时间

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

摘要

有关如何管理大规模数据科学项目的技巧使用这些技巧可以最大限度地提高数据科学项目的成功率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。当涉及通常有较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不同项目，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。

关于如何管理大规模数据科学项目的技巧 - Towards Data Science

有关如何管理大规模数据科学项目的技巧

使用这些技巧可以最大限度地提高数据科学项目的成功

摘要

相关新闻

相关讨论