A csapat Adattudomány folyamat életciklusa
A Team Adattudomány Process (TDSP) olyan életciklust biztosít, amellyel a csapata strukturálhatja adatelemzési projektjeit. Az életciklus ismerteti a projekt sikeres befejezéséhez szükséges lépéseket.
Ezt az életciklust akkor érdemes használnia, ha egy intelligens alkalmazás részét képező adatelemzési projektje van. Az intelligens alkalmazások gépi tanulási vagy AI-modelleket helyeznek üzembe a prediktív elemzéshez. Ezt a folyamatot feltáró adatelemzési projektekhez és improvizált elemzési projektekhez is használhatja, de előfordulhat, hogy nem kell implementálnia az életciklus minden lépését.
A csapat kombinálhatja a feladatalapú TDSP-t más adatelemzési életciklusokkal, például az adatbányászat (CRISP-DM) iparágközi szabványfolyamatával, az adatbázisokban való tudásfelderítéssel (KDD) vagy a szervezet saját egyéni folyamatával.
Cél és hitelesség
A TDSP célja, hogy egyszerűsítse és egységesítse az adatelemzési és AI-projektek megközelítését. A Microsoft több száz projektben alkalmazta ezt a strukturált módszertant. A kutatók tanulmányozták a TDSP-t, és közzétették eredményeiket a lektorált szakirodalomban. A TDSP architekturális keretrendszerét számos területen alaposan tesztelték és hatékonynak bizonyultak.
Öt életciklus-szakasz
A TDSP életciklusa öt fő szakaszból áll, amelyeket a csapat iteratív módon hajt végre. Ezek a szakaszok a következők:
Íme a TDSP életciklusának vizuális ábrázolása:
A TDSP életciklusa olyan lépések sorozata, amelyek útmutatást nyújtanak a prediktív modellek létrehozásához. A csapat olyan éles környezetben helyezi üzembe a prediktív modelleket, amelyeket intelligens alkalmazások létrehozásához kíván használni. A folyamat életciklusának célja, hogy egy adatelemzési projektet egy egyértelmű előjegyzési végpont felé navigáljon. Az adatelemzés a kutatás és a felderítés gyakorlata. Ha egy jól definiált folyamatot használ a feladatok csapattal való kommunikációjára, növeli az adatelemzési projektek sikeres végrehajtásának esélyét.
Minden szakaszhoz tartozik egy saját cikk, amely a következőt ismerteti:
- Célok: A szakasz célkitűzései.
- Útmutató: A fázisban végrehajtott feladatok vázlata, és útmutatás a végrehajtásukhoz.
- Összetevők: Azok a termékek, amelyeket a fázis során elő kell állítania, és az erőforrások, amelyeket felhasználhat a létrehozásukhoz.
Lektorált idézetek
A kutatók lektorált szakirodalmat tesznek közzé a TDSP-ről. Tekintse át az alábbi anyagot a TDSP funkcióinak és alkalmazásainak vizsgálatához.
Szoftverfejlesztés gépi Tanulás: Esettanulmány (291-300. oldal)
A mesterséges intelligencia életciklusa: a koncepciótól az éles környezetig
Adattudomány az üzleti környezetben: Ügyfélelemzési esettanulmányok a kkv-kban (689–713. oldal)
Gépi Tanulás életciklus-összetevők kezelése: Felmérés (18–35. oldal)
Minőségi modell létrehozása gépi Tanulás rendszerekhez (307–335. oldal)
Közreműködők
Ezt a cikket a Microsoft tartja karban. Eredetileg a következő közreműködők írták.
Fő szerző:
- Mark Tabladillo | Vezető felhőmegoldás-tervező
A nem nyilvános LinkedIn-profilok megtekintéséhez jelentkezzen be a LinkedInbe.
Kapcsolódó erőforrások
- Az életciklus első szakaszában tekintse meg az üzleti ismereteket.
- Mi a csapat Adattudomány folyamat?
- Gépi tanulási termékek és technológiák összehasonlítása
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: