A survey of product engineering applied on machine learning projects

Abstract

O Aprendizado de Máquina (AM) é um subcampo de computação que evoluiu a partir de estudos de reconhecimento de padrões e da teoria de aprendizado computacional. O ML é mais usado para melhorar a usabilidade, reduzir tarefas de automação de trabalho mecânico e resolver problemas humanos complicados. Além de exigir uma equipe multidisciplinar e não ter práticas e estudos definidos, o ML ainda é extremamente dependente da quantidade e da qualidade dos dados. Devido aos desafios de desenvolver produtos de ML, muitas empresas, sejam grandes ou pequenas, encontram dificuldades e até falham durante o desenvolvimento de produtos de AM. Este artigo apresenta uma investigação e discussão sobre o processo, desafios e particularidades para desenvolver um produto de AM, a partir de uma perspectiva acadêmica e de mercado. Apresentamos uma Revisão da Literatura Multivocal (MLR) e, usando a Teoria Fundamentada nos Dados (GT), criamos uma estrutura conceitual correlacionando os conceitos, práticas e ferramentas usadas durante o ciclo de vida do produto de AM. Em seguida, discutimos os resultados com base em nossas perguntas de pesquisa e apresentamos métodos e práticas relacionados à definição do problema e design da solução, gerenciamento de produto, dados e pipeline de modelo e entrega do produto. Também exploramos os desafios e vantagens de construir esse tipo de produto.