To guide ML practitioners through the development life cycle, the Cross-Industry Standard Process for the development of Machine Learning applications with Quality assurance methodology (CRISP-ML(Q)) was recently proposed. We review the core phases of the ML development process model (see Figure 1).

2020年3月11日 · We therefore propose a process model for the development of machine learning applications, that covers six phases from defining the scope to maintaining the deployed machine learning application. The first phase combines business and data understanding as data availability oftentimes affects the feasibility of the project.

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。

2023年12月3日 · In conclusion, the CRISP-ML(Q) is a comprehensive process that encompasses understanding business goals, preparing data, engineering models, ensuring quality, deploying solutions, and maintaining...

2024年11月25日 · The CRISP-ML (Q) framework, an adaptation of the well-known CRISP-DM (Cross-Industry Standard Process for Data Mining), is a structured approach for executing machine learning (ML) projects. It...

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。 这一标准过程模型旨在指导机器学习从业者进行有效的ML项目开发，强调质量和风险管理，以确保项目成功。 ML：MLOps系列讲解之《CRISP-ML (Q)ML生命周期过程—了解 机器学习 开发的标准过程模型—业务和数据理解→数据工程 (数据准备)→ML模型工程→评估ML模型→ 模型部署 →模型监控和维护》解读. 6、CRISP-ML …

2021年4月22日 · The system employed CNN-LSTM artificial neural networks and followed the CRISP-ML(Q) process model. The aim was to incorporate software engineering practices into machine learning projects.

2022年8月2日 · 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））是CRISP-DM的升级版，以确保机器学习产品的质量。 CRISP-ML（Q）有六个单独的阶段： 1. 业务和数据理解. 2. 数据准备. 3. 模型工程. 4. 模型评估. 5. 模型部署. 6. 监控和维护. 这些阶段需要不断迭代和探索，以构建更好的解决方案。 即使框架中有顺序之分，后一阶段的输出可以决定我们要不要重新检查前一阶段。 图2. 每个阶段的质量保证. 质量保证方法被引入到框架的 …

2022年10月3日 · 用于开发具有质量保证方法的机器学习应用程序的 跨行业标准过程 (CRISP-ML (Q) 是CRISP-DM的升级版本，以确保ML产品的质量。 CRISP-ML (Q)有六个单独的阶段： 这些阶段需要不断迭代和探索以构建更好的解决方案，即使在框架中有顺序，后期阶段的输出可以决定我们是否需要重新检查前一阶段。 在框架的每个阶段都引入了质量保证方法。 该方法具有要求和约束，如性能指标、数据质量要求和健壮性。 它有助于降低影响机器学习应用成功的风险，它 …

CRISP-ML(Q) for developing ML applications and propose quality assurance methodology to deter-mine whether these tasks were performed accord-ing to current standards from industry best prac-tice and academic literature. We follow the princi-ples from the development of CRISP-DM by keep-ing tasks generic within the application scenarios.