Жизненный цикл процесса обработки и анализа данных группы

Команда Обработка и анализ данных процесс (TDSP) предоставляет жизненный цикл, который ваша команда может использовать для структуры проектов обработки и анализа данных. Жизненный цикл описывает шаги, которые можно предпринять для успешного завершения проекта.

Этот жизненный цикл следует использовать, если у вас есть проект для обработки и анализа данных, который является частью интеллектуального приложения. Интеллектуальные приложения развертывают модели машинного обучения или искусственного интеллекта для прогнозной аналитики. Этот процесс также можно использовать для исследовательских проектов для обработки и анализа импровизированных аналитических проектов, но вам может не потребоваться реализовать каждый шаг жизненного цикла.

Ваша команда может объединить TDSP на основе задач с другими жизненными циклами обработки и анализа данных, например межиндустрийный стандартный процесс интеллектуального анализа данных (CRISP-DM), обнаружение знаний в базах данных (KDD) или собственный пользовательский процесс вашей организации.

Цель и доверие

Цель TDSP — упростить и стандартизировать подход к проектам обработки и анализа данных и искусственного интеллекта. Корпорация Майкрософт применила эту структурированную методологию в сотнях проектов. Исследователи изучили TDSP и опубликовали свои выводы в одноранговой литературе. Архитектурная платформа TDSP тщательно проверена и проверена во многих областях.

Пять этапов жизненного цикла

Жизненный цикл TDSP состоит из пяти основных этапов, которые команда выполняет итеративно. Эти этапы включают:

• Коммерческий аспект.
• Получение и анализ данных.
• Моделирование
• Развертывание
• Прием клиентом.

Ниже приведено визуальное представление жизненного цикла TDSP:

Жизненный цикл TDSP — это последовательность шагов, которые предоставляют рекомендации по созданию прогнозных моделей. Ваша команда развертывает прогнозные модели в рабочей среде, которую планируется использовать для создания интеллектуальных приложений. Цель этого жизненного цикла процесса — перейти к проекту обработки и анализа данных к четкой конечной точке взаимодействия. Обработка и анализ данных — это исследовательская деятельность. При использовании четко определенного процесса для обмена задачами с командой вы повышаете вероятность успешного выполнения проекта обработки и анализа данных.

Каждый этап имеет собственную статью, которая описывает:

• Цели: цели этапа.
• Практическое руководство. Структура задач, выполняемых на этапе и рекомендации по их выполнению.
• Артефакты: доставить, которые необходимо создать на этапе и ресурсах, которые можно использовать для их создания.

Одноранговые ссылки

Исследователи публикуют одноранговую литературу о TDSP. Ознакомьтесь со следующим материалом, чтобы изучить функции и приложения TDSP.

• Разработка программного обеспечения для Машинное обучение: пример исследования (страницы 291-300)

• Искусство и практика Обработка и анализ данных конвейеров: комплексное исследование Обработка и анализ данных конвейеров в теории, в малых и больших (страницах 2091-2103)

• Жизненный цикл искусственного интеллекта: от зачатия до производства

• Гибридная методология на основе CRISP-DM и TDSP для выполнения задач предварительной обработки в мексиканских экологических законах (том 13613, страницы 68-82)

• Как проводить строгие контролируемые Машинное обучение в исследованиях информационных систем: контролируемый Машинное обучение отчетной карточке (страницы 589-615)

• Обработка и анализ данных в бизнес-среде: анализ примеров клиентов в SMEs (страницы 689–713)

• CRISP-DM двадцать лет спустя: от процессов интеллектуального анализа данных до Обработка и анализ данных траекторий (страницы 3048–3061)

• Обработка и анализ данных: систематическое лечение (страницы 106–116)

• Управление артефактами жизненного цикла Машинное обучение: опрос (страницы 18–35)

• Создание модели качества для систем Машинное обучение (страницы 307–335)

• Машинное обучение управление инновациями на основе Машинное обучение: концепция платформы. Материалы по событиям: научные и экспертные публикации LUT: Конференция по инновациям ISPIM — инновации нашего общего будущего

Соавторы

Эта статья поддерживается корпорацией Майкрософт. Первоначально он был написан следующими участник.

Автор субъекта:

• Марк Табладильо | Старший архитектор облачных решений

Чтобы просмотреть недоступные профили LinkedIn, войдите в LinkedIn.

Связанные ресурсы

• На первом этапе жизненного цикла ознакомьтесь с бизнес-пониманием.
• Что такое процесс Обработка и анализ данных команды?
• Сравнение продуктов и технологий машинного обучения