Ваш выбор слов имеет значение.
Не секрет, что область машинного обучения считается тяжелой в теории: в основном математика, статистика и информатика. В то время как практикующим обычно нравится глубина разговора, коллегам и клиентам «за пределами пузыря» сложно участвовать в разговоре. Это приводит к нарушению связи.
Проекты портятся, когда нарушается коммуникация.
Плохое общение искажает ожидания, влияет на планирование и в целом снижает эффективность вашей команды. Это ваша проблема, как практикующего врача.
Стереотип инженера по машинному обучению:
📊 Wrangler of Big Data ™.
🧠 Обладатель ✨ магических алгоритмов обучения ✨.
🤔 Умный и любопытный.
😅 Трудно поговорить (если вы не занимаетесь машинным обучением).
Поскольку то, что вы делаете, кажется сложным и незнакомым, некоторым из ваших сотрудников будет неудобно бросать вам вызов.
В частности, по этой причине ваша ответственность улучшать то, как вы рассказываете о своей работе, чтобы разрушить стереотип «трудно говорить».
Подумайте о деловых потребностях.
Первый шаг к более четкому общению - это перестать связывать свою работу с техническими потребностями и вместо этого начать связывать ее с бизнес-потребностями.
Технические потребности - это ваша потребность в создании математически правильной, статистически обоснованной, технически надежной и эффективной с вычислительной точки зрения модели машинного обучения. .
Это чрезвычайно важно, но эта информация не имеет отношения к вашим сотрудникам, не имеющим технических знаний. Их волнуют бизнес-потребности: Как то, что вы делаете, приближает нас к решению практической бизнес-проблемы?
Допустим, вы работаете над системой обнаружения мошенничества, и ваша модель плохо запоминается, что приводит к множеству ложных срабатываний. Во время встречи команды вам необходимо сообщить о своем прогрессе и планах на следующие шаги.
Слово вспомнить на самом деле ничего не значит для ваших коллег, так что не используйте его. Вместо этого вы можете сказать, что ваша система «делает много ложных тревог». Следующим шагом может быть «настроить некоторые части системы, чтобы снизить количество ложных срабатываний».
Такой язык гарантирует, что ваши коллеги в курсе - он также может облегчить полезное обсуждение приемлемого уровня ложных срабатываний.
Ставьте значимые KPI.
Потери, точность, прецизионность, отзывчивость, баллы F1, кривые ROC и матрицы неточностей - отличные показатели для измерения производительности вашей модели.
Эти показатели имеют большой смысл, когда производительность модели является самоцелью, например, при исследовании или создании прототипов для проверки осуществимости идеи.
Это было бы редкостью для реального бизнеса!
Чаще всего вы работаете с данными для решения бизнес-задачи. Чтобы назвать несколько примеров, вы, возможно, пытаетесь:
- Автоматизируйте задачу, чтобы сэкономить на трудозатратах.
- Помогите кому-нибудь выполнить задачу с меньшим количеством ошибок.
- Повышайте удобство использования продукта, делая разумные предложения.
Ваша работа должна оцениваться на основе решаемой вами проблемы.
Начиная новый проект, постарайтесь сначала понять проблему с точки зрения бизнес-потребностей. Какие ключевые показатели эффективности будут точно отражать, если эта потребность будет удовлетворена? Обладая этими знаниями, вы сможете принимать более обоснованные решения в отношении внутренних показателей, которые понадобятся вам для поиска решения.
Допустим, вы создаете систему для оптимизации трудоемкой задачи, чтобы снизить затраты. Имеет ли значение, что ваша система высокоточная, если она на самом деле замедляет процесс? Это не приведет к сокращению расходов.
Хорошим KPI для этого случая может быть что-то вроде Средняя скорость рабочего процесса. Определите рабочий процесс и измерьте, сколько времени он займет. Измерьте тот же рабочий процесс, используя свою систему (с учетом уровня опыта). Вы ускорили процесс?
Вы можете узнать, что модель должна достичь определенного уровня точности, чтобы быть полезной. Может быть, вы обнаружите, что процесс действительно ускоряется только в том случае, если модель точна как минимум на 75%. Если ваша цель - Точность, вы, скорее всего, попробуете модель с большей производительностью, что приведет к увеличению затрат на вычисления. Вместо этого, если вашей целью является Скорость рабочего процесса, вы обнаружите, что существует золотая середина между моделью, которая достаточно точна , а также быстрое вычисление.
При согласовании значимых КПЭ с вашими сотрудниками на первое место ставятся бизнес-потребности, и ваше общение сосредоточено вокруг реальной проблемы, которую вы решаете.
Используйте последовательную терминологию.
Использование разных слов для описания одного и того же может стать серьезным источником путаницы, делая общение менее эффективным.
Когда вы начинаете проект, вы можете захотеть обсудить эти слова в сотрудничестве со своей командой и вашим клиентом.
Для своего проекта попробуйте ответить на такие вопросы, как:
Что такое Пользователь? Что такое Система? Что такое модель? Что такое конвейер? Что такое рабочий процесс? Обязательно запишите эти определения.
Использование одних и тех же слов сокращает объем общения, которое «теряется при переводе». Это требует предварительной работы, но эффективность, полученная от взаимопонимания, того стоит.
Будь проще, глупо.
Работать с данными не всегда просто. На самом деле информация в данных часто бывает сложной, нюансированной и многогранной. Но мы должны постараться и не забыть ПОЦЕЛУЙ.
Теперь я люблю KISS. Этот старый акроним часто используется в программировании, и он говорит нам «Держи это просто, глупо».
Информационная перегрузка - это реальная проблема, и ее бывает трудно избежать при изложении сложной темы. Публикация большого количества информации может заставить вас выглядеть умным, но ваши сотрудники почувствуют себя бессильными.
Вся цель презентации вашей работы кому-то еще состоит в том, чтобы они могли принять решение или предпринять действия. Если вы перегружаете их информацией, они не смогут эффективно выполнять свою работу.
Ваша работа - справляться с множеством тонкостей данных. Общаясь с коллегами и клиентами, постарайтесь сосредоточиться на том, какая информация важна для бизнес-потребностей. Обычно требуется дополнительная подготовка, чтобы сфокусировать информацию таким образом, поэтому не забудьте выделить для этого некоторое время.
