Почему важно понять проблему?

автор Эрико Коуто-младший.

Я видел много графиков рабочего процесса ML без указания проблемы, которую нужно решить. Как мы можем решить что-то, не зная этого? Рабочий процесс должен быть завершенным и включать все этапы, начиная с проблемы. Итак, данная статья будет предупреждать о необходимости относиться к проблеме как к важному этапу, потому что без этого этапа решения не будет, или подойдет любое решение.

Что ж, чтобы иметь проект с четкой целью, нам нужно понять проблему и задать несколько вопросов. Мне нравится использовать 5W2H очень практично и объективно, без сложных электронных таблиц или бесконечных совещаний. Мы должны использовать 5W в качестве мозгового штурма, чтобы получить общее представление о проблеме и оставить 2H на конец. Этот метод работает очень хорошо, даже для компаний, которым нужны гибкие процессы. Если этим начальным процессом пренебречь, в процессе ETL и моделирования появится буква «W». Но это совет для тех, кто уже работает с управлением краткосрочными проектами.

Но возвращаясь к теме рабочего процесса, я замечаю, что на большинстве диаграмм рабочего процесса отсутствует фаза понимания проблемы. Как упоминалось ранее, этот этап нельзя упускать из виду, поскольку он является обязательным в любом проекте.

Давайте сначала протестируем 5 Вт !!!

во-первых: В чем проблема?

второй: Почему это происходит?

третий: Когда это происходит?

четвертое: Где это происходит?

пятый: Кто вызывает это?

Если вы ответили на пять вопросов, вы, безусловно, узнали о проблеме, если вы ответили на эти пять вопросов, вы, безусловно, узнали о проблеме, и вы сможете продолжить рабочий процесс и понять 2H (Как это происходит? И Сколько стоит эта проблема?)

Последние два вопроса следует анализировать отдельно. Вы, вероятно, обнаружите, как возникает проблема, при анализе данных, это не произойдет до этапов ETL и анализа данных. После анализа данных и их взаимосвязей вы можете получить некоторое представление. До сих пор вы занимались только анализом данных. Хорошо и важно, но машинное обучение — это гораздо больше, чем просто анализ данных.

На следующих этапах мы можем следить за публикацией Аюш Пант под названием Рабочий процесс проекта машинного обучения. Он обсудил рабочий процесс проекта машинного обучения и дал нам общее представление о том, как следует решать проблему.

.