Войти через соцсеть:
Войти через email:
- Как находить стык возможностей AI-разработки и потребностей бизнес-закачиков? Есть ли готовое решение?
- Есть ли практика как-то выращивать/готовить product owners внутри заказчиков?
- Формирование брифа AI/ML-проекта: есть ли лучшая практика, которая устраивает всех?
- Как заказчику валидировать гипотезу до момента подключения внешней команды? Это вообще возможно?
- Каким должен быть промежуточный результат, чтобы о нем можно было судить о ходе проекта в целом?
Дорогие, непонятные и непредсказуемые по срокам разработки и внедрения — вокруг проектов в сфере машинного обучения сложился именно такой устойчивый стереотип. Один из немногих способов этот стереотип разрушить — поставить на поток создание MVP для ML-решений. Этот процесс значительно отличается от “строительства” MVP, принятого в разработке ПО. В рамках выступления я предложу ряд специфических подходов, которые доказали свою эффективности в бизнес-практике ZeBrains.
