Team Data Science Process ライフサイクルの顧客による受け入れステージ

この記事では、Team Data Science Process (TDSP) の顧客による受け入れステージに関連付けられている目標、タスク、成果物のアウトラインを示します。 このプロセスは、チームがデータサイエンスプロジェクトを構築するために使用できる推奨ライフサイクルを提供します。 ライフサイクルは、チームが (多くの場合、反復的に) 実行する主要なステージの概要を示します。

• ビジネスの把握
• データの取得と理解
• モデリング
• デプロイ
• 顧客による受け入れ

TDSPライフサイクルの視覚的な表現を次に示します。

Azureの場合は、Azure Machine Learningを使用してTDSPを適用することをお勧めします。 詳細については、 「Azure Machine Learningとは」 を参照してください。

目的

顧客受け入れステージの目標は、プロジェクトの成果物を完成させることです。 チームは、パイプライン、モデル、および運用環境へのデプロイが顧客の目標を満たしていることを確認する必要があります。

タスクを完了する方法

顧客受け入れステージには、次の2つの主要なタスクがあります。

• システムの検証: デプロイ済みのモデルとパイプラインが顧客のニーズを満たしていることを確認します。

• プロジェクトのハンドオフ: 運用環境でシステムを実行する担当者またはチームにプロジェクトを渡します。 たとえば、ITチーム、顧客データサイエンスチーム、顧客のエージェントなどです。

お客様は、システムが次のことを検証する必要があります。

• ビジネスニーズを満たしています。
• 許容可能な精度で質問に回答します。
• 使用するために展開可能です。
• 完成したドキュメントがあります。

MLflowとの統合

MLflowは顧客受け入れステージに直接関連していませんが、MLflowの追跡機能とレジストリ機能は、モデル、実験、およびデプロイの記録を維持するのに役立ちます。 この追跡は、最終的なレポート、監査、および顧客の承認を得るために重要です。

Artifacts

この最終ステージでチームが作成する主な成果物は、顧客向けのプロジェクトの終了レポートです。 この技術レポートには、顧客がシステムの操作方法を学習するために使用できるプロジェクトの詳細が含まれています。

ピアレビューされた文献

研究者は、査読済み文献でTDSPに関する研究を発表しています。 引用文献は、顧客受け入れライフサイクルステージを含め、TDSPの他のアプリケーションや類似のアイデアを調査する機会を提供します。

共同作成者

この記事は、Microsoft によって保守されています。 当初の寄稿者は以下のとおりです。

プリンシパル作成者:

• Mark Tabladillo | シニア クラウド ソリューション アーキテクト

パブリックでない LinkedIn プロファイルを表示するには、LinkedIn にサインインします。

関連リソース

これらの記事では、TDSPライフサイクルの他のステージについて説明しています。

• ビジネスの把握
• データの取得と理解
• モデリング
• デプロイ