麦肯锡方法学习及lora目标及ai工作流界定

4.29学习目标 图关系代码解析 麦肯锡方法学学习

对于商业问题而言，首先需要做的第一要素是对于问题的进行界定，及这个商业目标当中是指向何处的，对于目标是如何进行界定，最终需要解决什么样的问题，问题的维度游动哨，对于最终问题的阶段将会影响最终的工作的方向和阶段性成果。

第一件需要注意的问题是将问题完全穷尽，对于商业化问题当中，以lora为目标到导向的训练过程当中，需要将训练过程中、训练的所有结果进行罗列，所有问题将会有存在子问题，如何从子问题出发对于问题进行解决，这也是需要解决的一部分问题。

2 结构化思维 对于这一点我没有想明白 但是在训练过程中，指的是对于用户的需求进行进一步的细化，明确消费者的思维，获取更多的信息，结论处于对于信息的判断。对于新的lora训练选择合适的目标进行训练，一切工作的目标是具备指向性的。

3逻辑树 ，将问题进行拆分和抽象化，在我看来和图关系网络当中的异质图有点像，整体关系类型是复杂，相对不同点在于其中的关系是单向的。

逻辑树的应用的关键在于将问题和行动进行拆分，将问题从抽象的问题转化为具象化的问题。

模糊化的数据 对于数据而言的判断而言，一些信息是难以获取，这时候需要进行假定，最终的分析结论而言这样的数据方向和误差是允许的，在假设的基础上进行推断。那么在lora训练过程中，我们也可以生成一些质量较好的数据作为数据集的补充。