View on GitHub

manual-da-engenharia-para-codar

Este é o manual para compromissos de "código com" a engenharia.

Considerações sobre Desenvolvimento Ágil para Projetos de Aprendizado de Máquina

Visão Geral

Ao conduzir projetos de Aprendizado de Máquina (ML), seguimos a metodologia Ágil para o desenvolvimento de software, com algumas adaptações, pois reconhecemos que a pesquisa e experimentação são, por vezes, difíceis de planejar e estimar.

Objetivos

  1. Executar e gerenciar projetos de ML de forma eficaz.
  2. Criar uma colaboração eficaz entre a equipe de ML e as outras equipes que trabalham no projeto.

Para saber mais sobre como a ISE conduz o processo Ágil para equipes de desenvolvimento de software, consulte este documento.

Dentro deste framework, a equipe segue essas cerimônias Ágeis:

Observações sobre o processo Ágil durante a exploração e experimentação

  1. Reconhecendo que histórias de usuário de ML e análises exploratórias são menos previsíveis do que as de desenvolvimento de software, nos esforçamos para ter um entregável para cada história de usuário em cada sprint.

  2. Histórias de usuário e análises exploratórias são geralmente estimadas usando tamanhos de camisetas (T-shirt sizes) ou similares, e não em dias/horas reais. Veja mais aqui sobre estimativa de histórias.

  3. As sessões de design de ML devem ser incluídas em cada sprint.

Exemplos de entregáveis de ML para cada sprint

Notas sobre a colaboração entre a equipe de ML e a equipe de desenvolvimento de software