LeanDS

2021-02-06 13:21:44 Видео с онлайн митап по LeanDS + методичка по внедрению

*Текущая версия Lean Data Science 1.0 (SOTA)*, Асхат Уразбаев, основатель LeanDS
*LeanDS в консалтинге в пустыне, или как мы перестали бояться и полюбили бэклог*, Павел Голубев, ex-Principal Data Scientist, Reaktor Dubai / Head of Fraud Analytics, The Beat Research, Amsterdam
*MLOps: жизненный цикл ML-моделей от идеи до продакшна*,
Евгений Никитин, Head of AI, АО Калуга Астрал

Миро доска с методикой LeanDS Открыть/Комментировать

2021-02-03 21:29:50 Спасибо что были с нами, видео выложим на наш канал (подписывайтесь, ставьте лайки) до конца недели https://www.youtube.com/channel/UCX5pbrhMKlK_M1w1ij73exg Открыть/Комментировать

2021-02-03 21:28:17 MLOps: жизненный цикл ML-моделей от идеи до продакшна, Евгений Никитин Открыть/Комментировать

2021-02-03 20:38:47 Особенности внедрения LeanDS в консталтинге в пустыне, или как мы перестали бояться и полюбили бэклог, Павел Голубев Открыть/Комментировать

2021-02-03 20:05:04 Релиз LeanDS верси 1.0
Темы:
AI Canvas. Как составить техзадание
Story Mapping. Как Как спроектировать продукт с AI составляющей
Гипотезы. Как формулировать гипотезы
ICE/RICE. Как приоритезировать продуктовые гипотезы
Каскадирование метрик. Как оценить ROI от продукта
Mercedes Decomposition. Как разбить гипотезу на небольшие работы
Канбан. Как управлять работами

Ссылка на Miro: https://cntr.click/vv6CaQV Открыть/Комментировать

2021-02-03 18:09:13 В 19-00 (через час!) начинаем митап Открыть/Комментировать

2021-01-27 16:32:15 ОНЛАЙН-МИТАП по управлению в DS
Начинаем в LeanDS новый сезон бесплатных онлайн митапов. В этот раз представим текущую версию LeanDS и новый кейс использования, а также поговорим о практиках ML Ops

Текущая версия Lean Data Science 1.0 (SOTA), Асхат Уразбаев, основатель LeanDS
LeanDS в консалтинге в пустыне, или как мы перестали бояться и полюбили бэклог, Павел Голубев, ex-Principal Data Scientist, Reaktor Dubai / Head of Fraud Analytics, The Beat Research, Amsterdam
MLOps: жизненный цикл ML-моделей от идеи до продакшна,
Евгений Никитин, Head of AI, АО Калуга Астрал

Среда 3 февраля в 19-00
Подробности и регистрация: https://leands.timepad.ru/event/1540178/ Открыть/Комментировать

2021-01-26 15:33:38 Как строить структуру команд?
Дошли руки посмотреть видео Владимира Лагутинского “Дата команда. Цели , структура и управление”. Очень интересно рассказывается о структуре дата-команд. Под такими командами подразумеваются команды, сфокусированные на помощи бизнесу в принятии решений внутри организации. Владимир двигается от централизованной дата-команды, представляющей сервис для всех пользователей организации до различных распределённых вариантов. Централизованный сервис масштабируется плохо. Запросы бизнеса растут и такая команда не способна адекватно с ними справляться. Распределенные структуры (продуктовые команды с включенными туда дата-аналитиками и дата-инженерами) в целом эффективнее, но для этого каждую продуктовую команду придется снабдить дополнительно сотрудниками, что может оказаться дорогим удовольствием.
Для полноты картины немного не хватает описания Data Mesh как способа архитектурно и структурно децентрализовать работу с данными. О Data Mesh рассказывал Дмитрий Шостко у нас на митапе. Идея кратко в следующем: вместо одного DWH / Data Lake на организацию стоит разделить данные на несколько бизнес-доменов, каждый из которых поддерживает своя дата-команда. Перевод статьи от автора подхода Zhamak Dehghani есть на хабре. Открыть/Комментировать

2021-01-22 11:56:00 Михаил Перлин (выступал у нас на митапе) создал каталог требований к AI продукту. Это по-сути хороший чеклист правильных вопросов, специфических для AI, которые нужно задать на первых этапах создания продукта. Ответы на вопросы вскроют риски и могут привести к новым требованиям. Очень рекомендую в закладки каждому владельцу продукта или DS лиду.

https://github.com/ttzt/catalog_of_requirements_for_ai_products Открыть/Комментировать

2021-01-19 14:07:32 Очень приличный и, как мне показалось, довольно исчерпывающий обзор на тему проведения Code Review в двух частях от Michael Lynch
https://mtlynch.io/human-code-reviews-1/
https://mtlynch.io/human-code-reviews-2/
Если у каждой вашей команды в организации строго закрепленный за ней кусок кода, то вы гарантированно имеете узкое место. Баклог выстраивается по своей логике и технически невозможно идеально сбалансировать команды, раскидав их по кодовой базе. Не говоря уже о том, что неизбежно часть кода затрагивается большим количеством команд, так что либо нужно терпеть постоянные зависимости на одну команду, либо стоит разрешить менять один код сразу нескольким командам. Как контролировать при этом качество кода?
Видео о том, как проводить ревью кода на большом масштабе в крупной организации с более-менее совместным владением кода между различными командами.



Ссылки от ребят из @xpinjection_channel Открыть/Комментировать