Los mayores desafíos que enfrentamos mi equipo y yo fueron:
- Que el equipo incluía solo una persona, yo.
- Comunicación con los grupos de interés.
He estado trabajando principalmente con clientes externos, lo que significa que la comunicación es mucho más difícil e importante para el éxito del proyecto que en los proyectos internos. También significa que hay un límite a lo que puedo revelar en esta respuesta. Sin embargo, aquí están algunas de mis experiencias.
Creé un algoritmo de predicción de colas para un cliente en el sector de la salud. Pasé algún tiempo considerando diferentes enfoques, pero terminé con un modelo de cadena de Markov. Debido a problemas de comunicación, solo supe más tarde que el cliente estaba más interesado en el razonamiento detrás de las predicciones que en las predicciones mismas. Así que deseché todo e hice un modelo de árbol de decisión simple.
- Cómo convertirse en un arquitecto de software desde el rol de desarrollador senior de Java
- ¿Por qué se requiere ingeniería de software para estudiar y aprender como parte de los cursos de informática?
- ¿Cuál es la idea matemática más fascinante que las personas en ingeniería encuentran y aprecian?
- ¿Cuál es la diferencia entre las pruebas de software y la inspección de software?
- ¿Por qué los ingenieros y los PM están tan enamorados de los nombres de código del proyecto?
Creé un algoritmo de predicción de volumen de tráfico para un proyecto de ciudad inteligente, que era principalmente interno. Quizás el mayor desafío con esto fue pasar dos días en una conferencia explicando a las personas que el algoritmo no dependía de Google Maps.
El problema en sí era bastante sencillo. Creo que pasé un total de tres días trabajando en ello. Con algo de tiempo de sobra, construí un marco de aprendizaje automático automatizado que ejecutaría el aprendizaje de conjunto de modelos en la producción en línea y actualizaría constantemente el modelo en vivo. El desafío aquí era convencer a los gerentes de que esto era útil. Sin otras personas de aprendizaje automático en mi empresa, fue un poco difícil explicar lo que estaba haciendo.
Pasé la mejor parte de un año construyendo un algoritmo de programación automatizado para una empresa de fabricación que utilizaba un enfoque novedoso de aprendizaje por refuerzo.
En realidad, se trataba de un proyecto combinado de la industria y un proyecto de investigación académica, por lo que implicaba escribir un documento de 110 páginas, lo que ya era bastante desafiante. Podría haber sido el único proyecto de aprendizaje automático en el que trabajé en la industria, donde los desafíos técnicos fueron en realidad mayores que cualquier problema de comunicación.
Creé un tablero de inteligencia de negocios para un gran grupo corporativo eso involucraba predicciones de series de tiempo.
Honestamente, el mayor desafío en ese proyecto, a excepción de los problemas de comunicación habituales, fue construir el front-end de JavaScript. Afortunadamente, mi equipo se había extendido a dos para la ocasión.
Estos son algunos de mis desafíos cuando trabajo en el aprendizaje automático en industrias no tecnológicas. A menudo es diferente de lo que uno encontraría al aprender sobre aprendizaje automático, hacer investigación académica o trabajar en una gran empresa de tecnología.