Управление проектами и продуктами в Data Science
Что такое LeanDS?Lean DS — открытый подход к управлению DS проектами и продуктами
- Ориентированный на бизнес
- Основанный на гипотезах
- Строгий и воспроизводимый
- Командный и итеративный
Программа занятий
Обзор LeanDS. Продуктовая гипотеза
Краткий обзор LeanDS. Практика по формулированию продуктовых гипотез. Также тренер ответит на вопросы участников по содержанию и формату курса.
Приоритезация продуктовых гипотез
Практика по приоритезации продуктовых гипотез по ICE/RICE. Работа в мини-командах, оценка и разбор результатов.
Декомпозиция продуктовых гипотез
Практика по декомпозиции продуктовых гипотез "методом Мерседеса". Учебный кейс и кейсы участников
Каскадирование метрик от продуктовых метрик до DS метрик
Практика по каскадированию метрик в учебном кейсе и в кейсах участников
Kanban и его применение в DS
Введение в Канбан-метод, обзор основных принципов и практик. Практическая симуляция метода в виде игры, метрики процесса
Внедрение LeanDS
Внедрение канбан методом STATIK. Проведение изменений в организации. Ответы на вопросы по курсу. Закрытие курса.
Помимо практических занятий, в курс входят 6+ часов видео
Что вы узнаете из курса
Курс содержит набор обязательных (ядро LeanDS) и дополнительных материалов (ответы на различные вопросы, которые не обязательно волнуют вас прямо сейчас)
Как спроектировать ML продукт
- Поиск зон применения ML в компании, оценка и приоритезация
- Создание бэклога ML продукта
- Оценка и приоритезация элементов бэклога
- Создание DS команды: компетенции, роли и ответственность
- Как объяснить заказчику экспериментальный характер работы
- Переход от сервисной к продуктово-ориентированной команде
- Управление процессом при помощи Канбан
- Декомпозиция гипотез
- Управление сроками и бюджетом проекта
- Организация параллельной работы команд на нескольких проектах
- Управление зависимостями между ML, Data Engineering и Software Engineering в продукте
- Развитие зрелости и самооорганизации
- Метрики качества работы процессов в DS
- Развитие data driven культуры на уровне компании
- Уход от фиксированной цены
- Управление рисками
- Взаимодействие со службами крупных компаний