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

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：

• 「ChatGPT AI-1の解放：高度なLLMベースのシステムの構築」
• メタラマは本当にオープンソースなのか？ (Meta Rama wa hontō ni ōpun sōsu na no ka?)
• 「マイクロソフト、Azureカスタムチップを発表：クラウドコンピューティングとAI能力を革新する」

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!