AI projekt je víc než natrénovat model. Tady je co nesmíte přeskočit.
Data¶
- ☐ Data kvalita ověřena
- ☐ Bias v datech analyzovaný
- ☐ Train/validation/test split
- ☐ Data versioning (DVC)
- ☐ PII v datech ošetřeno
Model¶
- ☐ Baseline model (i jednoduchý)
- ☐ Experiment tracking (MLflow, W&B)
- ☐ Hyperparameter tuning
- ☐ Model evaluation metriky definované
- ☐ A/B test plán
Deployment¶
- ☐ Model serving infrastruktura
- ☐ Model versioning
- ☐ Canary deployment
- ☐ Rollback mechanismus
- ☐ Latence a throughput otestovány
Monitoring¶
- ☐ Data drift detekce
- ☐ Model performance monitoring
- ☐ Prediction logging
- ☐ Alerting na degradaci
- ☐ Retraining pipeline
Etika & Compliance¶
- ☐ Fairness metriky
- ☐ Explainability (SHAP, LIME)
- ☐ User consent pro AI rozhodnutí
- ☐ Human-in-the-loop pro kritická rozhodnutí
- ☐ AI Act compliance (EU)
Realita¶
87 % ML projektů nikdy nedojde do produkce. Checklist pomáhá. Ale klíčové je jasný business problém.
aimlprojekt