Aufgabe und Daten
Datenmenge, Annotation und Fehlerkosten werden geprüft. Deep Learning wird mit einfacheren Verfahren verglichen.
Entwicklung und Integration
Architektur und Transfer Learning folgen Klassifikation, Erkennung oder Segmentierung. Datenrechte und Modelllizenzen werden geprüft.
Bewertung und Bereitstellung
Überanpassung, Klassenfehler und Generalisierung werden separat getestet. Inferenzkosten, Versionierung und Rückkehrplan gehören zur Bereitstellung.