刻画机器学习过程：一种成熟度框架
机器学习
2018-11-14 v1 软件工程
摘要
关于机器学习建模的学术文献未能解决如何使机器学习模型为企业所用。例如，现有机器学习过程无法解决如何为 AI 应用定义业务用例、如何将来自产品负责人的业务需求转化为数据科学家的数需求、如何持续提升 AI 应用在准确性与公平性方面的表现，以及如何用行业、领域和用例特定数据定制通用机器学习模型以使其在特定情形下更准确等问题。使 AI 为企业工作需特殊考量、工具、方法与过程。本文提出一个面向企业的机器学习模型生命周期管理的成熟度框架。我们的框架是对软件能力成熟度模型（CMM）针对机器学习模型开发过程的重新诠释。我们基于构建大规模真实世界机器学习模型的个人经验提出一组最佳实践，以帮助组织不论起点如何都能达到更高成熟度水平。
引用
@article{arxiv.1811.04871,
title = {Characterizing machine learning process: A maturity framework},
author = {Rama Akkiraju and Vibha Sinha and Anbang Xu and Jalal Mahmud and Pritam Gundecha and Zhe Liu and Xiaotong Liu and John Schumacher},
journal= {arXiv preprint arXiv:1811.04871},
year = {2018}
}
备注
10 pages, 1 figure, 1 table