マシンラーニングのCRISP ML(Q)とは何ですか?

「CRISP ML(Q)とは、マシンラーニングの何なのか?」

プロジェクトマネジメント方法論

写真 by Kaleidico on Unsplash

CRISP ML(Q) — CRoss Industry Standard Process for Machine learning with Quality Assurance(CRISP ML(Q) – 機械学習のためのクロス業界標準プロセス)

6つのフェーズで構成されています:

  1. データとビジネスの理解
  2. データの準備
  3. モデルの構築と調整
  4. 評価
  5. モデルの展開
  6. モニタリングとメンテナンス

データとビジネスの理解

ビジネス理解:

  1. ビジネス理解は、仕事のあらゆる種類で発生するビジネス問題と関連しています。
  2. 目標は、キーパフォーマンスインジケータ(KPI)の助けを借りて問題を最小化することです。例:従業員の退職。したがって、この場合のKPIはNPS(ネットプロモーター数)、RR(継続率)などです。
  3. ビジネスの制約は、企業が提供するさまざまな特典を活用して従業員の滞在時間を最大化することです。

ビジネス理解において成功基準も重要です。

  1. ビジネスの成功基準:離職率の最小限化または健全な水準。例:健全な離職率は3〜5%です。
  2. 機械学習の基準:アルゴリズムはアンダーフィットまたはオーバーフィットしていてはなりません。モデルの精度は高くなければなりません。待ち時間はできるだけ短くする必要があります。
  3. 経済的な成功基準(コスト):プロジェクトや仕事を所定の期間内に行い、利益を最大化します。つまり、投資対効果(ROI)。従業員が退職した場合、それは期間となり、クライアントはプロジェクト資金を保持できます。

ビジネスケースのさまざまな例

  1. 事例研究:
  • ビジネス問題:農業生産性の向上
  • ビジネス目標:収量を最大化し、アイデアを生成する
  • ビジネス制約:新たに適用されたアイデアのコストを最小限に抑えることで、農家がそれを負担できるようにする。

2. 事例研究:

  • ビジネス問題:コードの待ち時間を改善する
  • ビジネス目標:コードの最適化を最大化する
  • ビジネス制約:与えられた時間を最小限に抑える

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

データサイエンス

LinkedInのフィード進化:より詳細かつパワフルな機械学習、そして依然として人間も重要

LinkedInのフィードとインフラの最新更新について読むと、人間を中心に据えた原則を技術用語と実装に繋げる方法が解説されて...

コンピュータサイエンス

「アリババは、量子コンピューティングよりもこれを優先します」

中国のテック巨人であるアリババは最近、量子コンピューティング部門を廃止するという戦略的な重点の大幅な転換を発表しまし...

機械学習

ロボットスキル合成のための言語から報酬への変換

Googleの研究科学者、Wenhao YuとFei Xiaによる投稿 エンドユーザーがロボットに新しいタスクを教えるためのインタラクティブ...

機械学習

テキスト生成の評価におけるベクトル化されたBERTScoreのビジュアルガイド

『AIベースのテキスト生成は明らかに主流に入ってきています自動化されたライティングアシスタントから法的文書の生成、マー...

データサイエンス

「ワイルドワイルドRAG…(パート1)」

「RAG(Retrieval-Augmented Generation)は、外部の知識源を取り込むことで言語モデルによって生成された応答の品質を向上さ...