Re 機械学習プロジェクトとスクラム

chezou さんが　機械学習プロジェクトとスクラム | Democratizing Data を書いており、面白かったので、自分のちょっとした感想をば。

• 自分は ebackeyさんからスクラムの三本柱は
  • 透明性
  • 検査
  • 適応

と伝授を受け、これってどんな仕事でも通じる奥義だわと感動した覚えがあり、今でも感動する。

一方で、現場でスクラムに携わって5年ほど経過するが、壊れたスクラムを推進して不幸になっているケースが正直多すぎる。みんな不幸になるので、WINＷINではなく、LOSELOSEとなっている。 スクラムちょっと良さそうだからやろうとなり、壊れたスクラムなので、巻き込まれた人たちはスクラムを嫌いになっていく。

だけど、

• 透明性
  • 機械学習の実験結果などは解明したことを共有する。うまくできなかったこと自体も価値がある。失敗は成功の基である。何よりも、これは科学が発展してきた文化であり、機械学習プロジェクトは科学的なプロジェクトに性質としてかなり近しいものがある。透明性をもって結果を共有しないと、リスクやＡＢテストで爆死する可能性などが跳ね上がる。
• 検査
  • 機械学習のモデルが実用に耐えうるかを検査する、つまりＰＯＣ!
• 適応
  • 透明性をもって、検査を進めていくなかで、その時の状況にあった適応を行う。
    • 例えば、特定の部分はモデルではなく、ルールベースとしてコンポーネントで組み込んで対処しようなど

と書くと、あれ、スクラムって機械学習プロジェクトと相性が良いのでは？と思えてくる。

なので、持論としては、スクラムは理解をして活用しないとその代償として不幸になる罪深い諸刃の剣だなと思える。

この三本柱が欠けている機械学習プロジェクトってのは成功する確率も低い気がする。

---

とここまでは、持論でありきれいごとだが、壊れたスクラムでは何が起こってもおかしくない。

仮説を立てて検証をする

は、自分も仕事では良くやっているので賛成でしかありません。

機械学習プロジェクトは、我々はシャーマンになるしかないのであり、基本的に祈りしかできない。 モデルの精度向上もコミットメントに入れたとたんに、つらくなるのは機械学習プロジェクトをやったことがある人なら、うなずきすぎて首がもげるのではなかろうか？

自分は、ステークホルダーやマネージャー業をしているときに、あーーーーー話が通じないなと思ってる時は、心の中で

からの

出典: DASH島

を心に秘めることで穏やかになることができました。