AI项目流程

一.人工智能目前的主要用途

1.预测性建模
2.优化

二.如何判断是否要做一个AI项目

1.技术的成熟度
2.需求的可控程度
(1)销售导向 OR 技术导向
(2)客户管理能力
(3)团队整体的需求控制能力
3.项目投入的周期和成本
(1)大多数时候,人们会低估项目投入的周期和成本
(2)项目周期和成本不可控的原因主要来源于需求的变更
(3)其他可能出现的问题
4.项目最终的交付流程
5.需求的可控程度
(1)标注的不可控性
(2)模型效果调优所需要的时间
(3)推断速度提升所需要的时间
(4)环境部署所需要的时间
(5)运行模型所需要的算力成本

三、项目最终的交付流程

1.明确项目目标
2.不要忽略交付流程中的额外投入
3.组织的项目交付的流水化能力
是否有明确的交付流程
人员职责安排是否清晰
是否严格遵循时间规范
项目是否有烂尾的风险

四、前期调研与方法确定

1.很多时候,学术结果难以复现
2.很多方法在某些数据上可能会非常好用,但是在另一些数据上则会失效
3.很多方法的成功取决于一些细节,而这些细节只有真正做过的人才会知道。
4.很多时候人们会过于关注方法的效果,而忽略了整体的运行实效
5.在绝大多数的时候,人们都会低估整个项目的难度。

五、数据标注

1.前期一定要制定充分的标注规则
2.数据的采集一定要有代表性
3.非常不建议采用自动标注的方式
4.先训练一个初步模型,然后只让相关人员就行校对,可以保证标注效率并减少标注成本。
模型的准确性一定不会比标注的准确性更高。

六、效果优化

1.初期要充分考虑到效果优化所需要的时间和成本
2.客户并不知道通过什么标准来评估一个系统的好坏
3.一定要从数据的角度出发进行优化
4.学会止损
5.除了准确性的优化,还要注重代码运算效率的优化
6.算法开发和效果优化常常是需要反复进行的工作

七、算法部署

1.如果客户的系统比较奇怪,或者难以满足一些要求,要提前让客户知晓这些风险
2.即使再小的项目,我也强烈建议用微服务架构进行部署。
3.不要把算法部署在本地,尽量采用云端部署。