6、机器学习项目规划与范围界定：避免常见陷阱

机器学习项目规划与范围界定：避免常见陷阱

在机器学习（ML）项目中，规划和范围界定是至关重要的初始步骤。一个规划不当的项目可能会导致资源浪费、进度延迟，甚至项目失败。本文将通过一个电商公司个性化推荐系统项目的案例，深入探讨ML项目规划中常见的问题及解决方案。

项目背景与初始规划

假设我们在一家电商公司工作，公司高层看到竞争对手通过个性化推荐服务获得了巨大的销售增长和客户忠诚度，因此要求团队构建一个个性化推荐系统，集成到公司的网站和移动应用中。高层希望每个用户登录时都能看到一份独特的产品列表，这些产品与用户相关且有趣，从而增加用户购买的可能性。

在一次简短的会议上，展示了其他网站的案例后，团队被询问系统何时能够准备好。基于过去阅读的几篇相关论文，团队估计大约需要两个月时间，并开始着手工作。在接下来的Scrum会议上，团队制定了一个初步的开发计划，每个人都开始尝试解决问题。

ML团队假设管理层期望的是在主屏幕上推荐产品，这是最纯粹的个性化形式。于是，团队迅速开始规划如何根据每个用户的浏览和购买历史，为网站和移动应用的每个用户构建一个产品键的排名列表。

然而，这里存在一个问题：项目规划与敏捷开发是否冲突？实际上，项目规划是重要的，但不能过于僵化，要能够适应技术、环境、利益相关者优先级以及人们对问题和解决方案理解的变化。在ML领域，情况经常会发生变化。例如，项目开始时可能认为唯一的解决方案是一个高度复杂的建模方法，但经过实验后，可能发现一个简单的线性方程就能以较低的开发时间和成本解决问题。因此，规划是好的，但不能一成不变。

项目执行与问题暴露

在接下来的几个冲刺阶段，团队孤立地进行了大量工作。他们测试了博