コーチングプラクティス： 機械学習モデルの本番導入はデータサイエンティストの業務範囲に入るか

取り組んでいることをほぼ何でも入力すると、IX Coach が現実に最も合うプラクティスを見つけます。「機械学習モデルの本番導入はデータサイエンティストの業務範囲に入るか」については、現在のプラクティスライブラリからの最適な一致をご覧ください。

役立つかもしれないプラクティス

1. 委任を開発ツールとして使う
   背伸びする準備ができているチームメンバーにQ3タスクを割り当て——学習曲線をポイントとして扱う。
   アイゼンハワー・マトリクスと委任
2. 問題ではなく提案を上に上げる
   報告する部下には、問題と一緒に提案を持ってくるよう求める — これは単なる時間節約ではなく、権限委譲の実践である。
   権限委譲のレベルを実践する
3. 過去の認識の失敗についてプレモーテムを行う
   パターン認識があなたを間違った方向に導いたケースを見直し、あなたを欺く共通の構造的特徴を見つける。
   認識準備型意思決定（RPD）
4. 迅速な分類試行
   分類の判断を素早く行い、即座にフィードバックを得て識別学習を加速させる。
   知覚学習:心の前に目を鍛える
5. オンボーディングにジーニアス・マッピングを使う
   新入社員のジーニアスを早い段階で浮かび上がらせ、スキルだけでなくエネルギーを中心に役割を設計する。
   6つのワーキング・ジーニアス(パトリック・レンシオーニ)
6. 注意の配置を実践する
   注意の配置は、状況内で意図的に注意を方向づけてその感情的な影響を変えるという、ジェームズ・グロスの用語だ。感情は部分的に何に注意を向けるかによって決まるため、状況の特定の側面に向けて、あるいはそこから離れて注意を移すことで、状況そのものを変えずに感情的な反応を修正できる。これには、感情を生み出している側面から離れる気晴らし(distraction)と、異なる感情反応を生み出す特定の特徴に焦点を当てる集中(concentration)の両方が含まれる。
7. 過去の自分の予測を採点してアウトサイド・ビューの使い方を較正する
   予測ログをつけて採点する——どこで過信または過小評価していたかについてのフィードバックなしに較正は改善できない。
   アウトサイド・ビュー
8. 経験のない領域に入るときは基準率に大きく従う
   不慣れな領域では、クラスの分布がほぼ完全に予測を支配すべきである。
   アウトサイド・ビュー
9. 具体的で反証可能な仮説を立てて枝を検証する
   データを集める前に、各枝を検証可能な仮説に変える。
   イシューツリー分析
10. 意図的なケースへの曝露を通じてパターンライブラリを構築する
    自分の分野で多様なケースに体系的に自分をさらし、認識が引き出すパターンライブラリを成長させる。
    認識準備型意思決定（RPD）

自分の言葉で状況を説明する でプラクティスライブラリ全体を検索できます。