👀 досить цікаво… • Оцінка моделі: 50% • Очищення та організація даних: 40% • Інтеграція системи: 8% • Навчання моделі: 2% Суть не в тому, що навчання не має значення. А в тому, що більшість людей значно недооцінюють важливість даних та оцінки. Працюючи з засновниками, які розробляють AI-камери, робототехніку та edge AI-системи, ми бачили те саме. Команди часто проводять тижні в суперечках щодо того, яку модель використовувати, тоді як на визначення успіху, покращення міток або розуміння випадків невдачі витрачають набагато менше часу. Краща модель може надати поступовий приріст. Кращий цикл зворотного зв’язку може змінити траєкторію всього продукту. Зі зростанням доступності фундаментальних моделей справжнім бар’єром може бути не сама модель, а якість даних та дисципліна, з якою вони оцінюються.