junto al estudio cuidadoso de otros ciclos de vida de ML concretos y de nuestra experiencia interna en los proyectos que hemos realizado, tratando de lograr los siguientes dos objetivos generales:
El éxito en la gestión tradicional de proyectos se define por el software que se produce y un proceso bien entendido donde los pasos básicos siguen siendo definir, diseñar, desarrollar, probar y desplegar. Los datos con los que operan son casi siempre fiables, hay mucha menos incertidumbre y permite fijar plazos creíbles, basados en el historial de estos.
Sin embargo, los proyectos de Inteligencia Artificial no tienen esta naturaleza y tanto su gestión como el desarrollo requiere un enfoque diferente al de la gestión tradicional de proyectos de software.
Veamos a alto nivel nuestro enfoque para este tipo de proyectos:
Simplifica la gestión
En el marco del proyecto, en Komorebi nos basamos, primeramente, en una Metodología simplificada de gestión de proyectos (PM), para realizar el control y seguimiento de los trabajos y el aseguramiento de la calidad de la ejecución en términos de gestión, de forma efectiva.
La visión global del proyecto se puede gestionar fácilmente a través de un tablero Kanban en el que en todo momento estarán las tareas, así como los responsables y su estado. Además, permite agregar listas, adjuntar archivos, etiquetar eventos, agregar comentarios y compartir tableros de trabajo. El cliente tiene acceso al Trello pudiendo hacer seguimiento continuo del trabajo.
Normalmente los proyectos tienen una duración de 3-6 meses y los hitos de seguimiento más comunes que se establecen son cuando se tiene claro la planificación y métricas, el tratamiento de los datos, el desarrollo de los modelos y su despliegue final.
Adapta tu proceso de desarrollo
Segundo, el desarrollo de la solución es un proceso ágil adaptado a los proyectos de Data y ML que sea capaz de manejar los resultados inciertos y que ayude al equipo centrarse en la mejora continua del proceso.
La ciencia de los datos es en parte investigación e innovación, luego es necesario adaptar ciertos elementos de Agile debido a los siguientes inconvenientes:
Los aspectos de la ciencia de los datos que funcionan bien con la metodología ágil son los relacionados con la ingeniería de software y que también hemos adaptado en Komorebi:
Este post es la primera entrega de la Metodología de Komorebi para el desarrollo de proyectos de ML donde entraremos en detalle en cada una de las etapas, fases y actividades de nuestra metodología. En el próximo post hablaremos sobre cómo definir y planificar un proyecto de Inteligencia Artificial.
