2.5 KiB
2.5 KiB
Проектное предложение
Цель
Выбрать задачу: CV, NLP/LLM или табличный ML; описать пользователя и ограничения.
Теория перед выполнением
Что сделать
- Описать пользователя, решение, unit of prediction, действие и альтернативу без ML.
- Зафиксировать источники данных, label, feature cutoff, split и лицензионные ограничения.
- Выбрать честный baseline, primary/decision metrics и guardrails.
- Ограничить scope, ресурсы и трёхнедельный план; задать stop criteria.
- Составить план минимум трёх гипотез и risk register с мерами.
- Оформить proposal по шаблону отчёта; код и выполненные эксперименты на этом этапе не требуются.
Результат
Proposal: цель, данные, метрики, baseline, риски, ресурсы и этапы.
Решение разместите рядом в solution/. Не коммитьте большие данные,
веса или секреты.
Критерии приёмки
- Метрика связана с реальной целью; задача выполнима за 3 недели; есть безопасный scope.
- Данные, baseline, ограничения, риски и критерии остановки описаны проверяемо.
- План не обещает выводов, для которых нет доступных данных или подходящего эксперимента.
Вопросы для самопроверки
- Какое решение улучшает проект и почему для него нужен ML?
- Доступны ли все признаки строго до feature cutoff?
- Как baseline и метрика отражают реальное ограничение продукта?
- Что будет исключено первым, если времени окажется меньше?