软件公司部署机器学习解决方案在技术挑战之外的问题

Ilias Flaounas

软件公司部署机器学习解决方案在技术挑战之外的问题

人机交互 2017-08-09 v1 人工智能软件工程机器学习

作者: Ilias Flaounas

摘要

近年来，软件开发公司开始采用机器学习（ML）技术，以在其产品中引入一系列高级功能，如用户体验个性化、改进搜索、内容推荐和自动化。文献中对解决这些问题的技术挑战进行了大量研究。较少被研究的领域是，在开发基于 ML 系统的复杂现代工业环境中，人类角色的务实方法。关键利益相关者从系统发起到运行和维护都会影响系统。产品经理希望为用户嵌入“智能”体验，并决定下一步应构建什么；软件工程师面临构建或使用 ML 软件工具的挑战，这些工具所需的技能远超其舒适区；法律和风险部门可能影响设计选择和数据访问；运维团队被要求维护本质上非平稳且行为随时间变化的 ML 系统；最后，ML 从业者需要与所有这些利益相关者沟通，以成功构建可靠的系统。本文讨论了我们在 Atlassian 开始加大对 ML 领域投资时所面临的一些挑战。

关键词

机器学习部署软件工程利益相关者管理人因工程工业环境

引用

@article{arxiv.1708.02363,
  title  = {Beyond the technical challenges for deploying Machine Learning solutions in a software company},
  author = {Ilias Flaounas},
  journal= {arXiv preprint arXiv:1708.02363},
  year   = {2017}
}

备注

Human in the Loop Machine Learning Workshop, International Conference on Machine Learning, Sydney, Australia, 2017

软件公司部署机器学习解决方案在技术挑战之外的问题

摘要

关键词

引用

备注

相关论文