In this article, we reviewed the CRISP-ML (Q) development lifecycle model. Overall, CRISP-ML (Q) is a systematic process model for machine learning software development that creates an awareness of possible risks and emphasizes quality assurance to diminish these risks to ensure the ML project’s success.

2020年3月11日 · The process model expands on CRISP-DM, a data mining process model that enjoys strong industry support but lacks to address machine learning specific tasks. Our work proposes an industry and application neutral process model tailored for machine learning applications with focus on technical tasks for quality assurance.

为了指导机器学习从业者完成开发生命周期，使用质量保证方法开发机器学习应用程序的跨行业标准流程 (CRISP-ML (Q))最近被提出。 我们回顾了 ML 开发过程模型的核心阶段（参见图 1）。 各个阶段有特定的顺序。 尽管如此，机器学习工作流程基本上是迭代和探索性的，因此根据后期阶段的结果，我们可能会重新检查前面的步骤。 图 1：机器学习开发生命周期过程。 总体而言，CRISP-ML (Q) 过程模型描述了六个阶段： 监控和维护。

We have introduced CRISP-ML(Q), a process model for ML applications with quality assurance methodology, that helps organizations to increase efficiency and the success rate in their ML projects.

2022年8月2日 · 我们在本文中介绍了CRISP-ML（Q） 以及它如何侧重风险评估和质量保证。 我们先定义业务目标、收集和清理数据、构建模型、拿测试数据集验证模型，然后将其部署到生产环境中。

2022年2月8日 · 本文详细解读了CRISP-ML (Q)ML生命周期过程，涵盖从业务和数据理解，数据工程，模型工程，模型评估，部署到监控和维护的六个阶段。

2022年8月2日 · 我们在本文中介绍了CRISP-ML（Q） 以及它如何侧重风险评估和质量保证。 我们先定义业务目标、收集和清理数据、构建模型、拿测试数据集验证模型，然后将其部署到生产环境中。

2022年10月3日 · 在这篇文章中，我们了解了CRISP-ML (Q)以及它如何强调风险评估和质量保证。 我们首先定义业务目标，收集和清理数据，构建模型，在测试数据集中验证它，并将其部署到生产环境中。

2024年1月16日 · CRISP-ML (Q) stands for Cross-Industry Standard Process for Data Mining with Quality Assurance. It’s a structured methodology for developing machine learning applications,...

2022年10月17日 · 为了指导机器学习从业者完成开发生命周期，使用质量保证方法开发机器学习应用程序的跨行业标准流程 (CRISP-ML (Q))最近被提出。 我们回顾了 ML 开发过程模型的核心阶段（参见图 1）。 各个阶段有特定的顺序。 尽管如此，机器学习工作流程基本上是迭代和探索性的，因此根据后期阶段的结果，我们可能会重新检查前面的步骤。 图 1：机器学习开发生命周期过程。 总体而言，CRISP-ML (Q) 过程模型描述了六个阶段： 监控和维护。