AI项目方法论

目标

建立一套做AI项目的方法论

原则

• 给AI项目的各个阶段提供指引

可能有用的工具

• TOC 思考工具
• ArchiMate
• 瀑布模型
• 敏捷工作法
• Design Thinking（体验设计）
• AI复杂度与成熟度四象限
• application->data->algorithm
• Ng Machine learning Project Strategy
• UML

AI应用方法论

四要素：

• 用户
• 数据
• 算法
• 应用

四个价值流

• 用户->数据：BA
• 数据->算法：算法
• 算法->应用：SE
• 应用->用户：运营

飞轮效应

正反馈

如何度量各个要素

• 数据
  • 数据量
  • 有标记数据量
  • 数据分布是否跟现实匹配
• 算法
  • 最少需要数据量
  • 调参难度
  • F1 score
  • 过拟合倾向
  • 训练时间
  • 推理时间
  • 内存占用
  • 可解释性

阶段划分

• 识别AI机会点
  • 需求分析
• 评估AI机会点
  • 价值分析
• MVP
  • 定义目标
  • 收集数据
• 工程化
  • 想法
  • 概念
  • 计划
  • 设计
  • 开发
  • 发布
• 运营