Co i dlaczego powinieneś wiedzieć o Machine Learningu jako Product Manager

Opublikowano: 2022-08-27

Executive summary

Machine Learning (ML) i AI to kluczowe technologie dla nowoczesnych produktów, które Product Managerowie powinni rozumieć i rozważać do wdrożenia.
ML jest szczególnie użyteczny w produktach opartych na dużych zbiorach danych, predykcjach, rozpoznawaniu obrazów i języka naturalnego.
Wdrożenie ML wymaga dużych nakładów, zespołu specjalistów i długoterminowego podejścia z uwzględnieniem niepewności i ryzyk.
ML i AI to nie tylko moda – brak ich implementacji może oznaczać pozostanie w tyle za konkurencją.

Zrozum podstawowe różnice między AI (szerokie pojęcie) a ML (konkretne algorytmy do zadań) oraz deep learning jako zaawansowaną formę ML.
ML sprawdza się najlepiej przy dużych, powtarzalnych zbiorach danych (setki tysięcy do milionów rekordów) oraz w zastosowaniach takich jak predykcje, rozpoznawanie obrazów i języka naturalnego.
Posiadanie w zespole data scientista lub inżyniera danych jest kluczowe dla efektywnego wykorzystania ML w produkcie.
Gotowe rozwiązania ML można integrować z produktem bez konieczności posiadania własnych dużych zbiorów danych, co może skrócić czas wdrożenia.
Wdrażanie ML wymaga zarządzania większą niepewnością i dłuższym czasem rozwoju niż tradycyjne oprogramowanie – planuj iteracyjnie i z uwzględnieniem ryzyk.
Należy uważać na jakość danych, ponieważ błędy i uprzedzenia w danych mogą prowadzić do błędnych wyników algorytmów (garbage in, garbage out).
Zawsze miej plan B na wypadek, gdy ML nie będzie najlepszym rozwiązaniem dla danego problemu i nie stosuj ML tylko dla efektu marketingowego czy pozyskania inwestora.