ai_learning/modules/17_capstone/assignments/01_proposal.md

40 lines
2.5 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# Проектное предложение
## Цель
Выбрать задачу: CV, NLP/LLM или табличный ML; описать пользователя и ограничения.
## Теория перед выполнением
- [Постановка задачи, baseline и план экспериментов](../notes/01_problem_baseline_experiment_plan.md)
- [Production-контракты и ограничения](../../15_ml_engineering/notes/01_production_project_contracts_testing.md)
## Что сделать
1. Описать пользователя, решение, unit of prediction, действие и альтернативу без ML.
2. Зафиксировать источники данных, label, feature cutoff, split и лицензионные ограничения.
3. Выбрать честный baseline, primary/decision metrics и guardrails.
4. Ограничить scope, ресурсы и трёхнедельный план; задать stop criteria.
5. Составить план минимум трёх гипотез и risk register с мерами.
6. Оформить proposal по [шаблону отчёта](../../../common/REPORT_TEMPLATE.md); 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?