Životní cyklus týmového Datová Věda procesu

TDSP (Team Datová Věda Process) poskytuje životní cyklus, který váš tým může použít ke strukturování projektů datových věd. Životní cyklus popisuje kroky, které můžete provést k úspěšnému dokončení projektu.

Tento životní cyklus byste měli použít, pokud máte projekt datových věd, který je součástí inteligentní aplikace. Inteligentní aplikace nasazují modely strojového učení nebo AI pro prediktivní analýzu. Tento proces můžete použít také pro průzkumné projekty datových věd a improvizované analytické projekty, ale možná nebudete muset implementovat každý krok životního cyklu.

Váš tým může kombinovat TDSP na základě úkolů s jinými životními cykly datových věd, jako je například standardní proces pro dolování dat (CRISP-DM), proces zjišťování znalostí v databázích (KDD) nebo vlastní proces vaší organizace.

Účel a důvěryhodnost

Účelem TDSP je zjednodušit a standardizovat přístup k projektům datových věd a umělé inteligence. Microsoft tuto strukturovanou metodologii použila ve stovkách projektů. Výzkumníci studovali TDSP a publikovali svá zjištění v peer-reviewed literatury. Architektura TDSP je důkladně testována a prověřena efektivní v mnoha oblastech.

Pět fází životního cyklu

Životní cyklus TDSP se skládá z pěti hlavních fází, které váš tým provádí iterativním způsobem. Mezi tyto fáze patří:

• Obchodní porozumění
• Získávání a porozumění datům
• Modelování
• Nasazení
• Přijetí zákazníka

Tady je vizuální znázornění životního cyklu TDSP:

Životní cyklus TDSP je posloupnost kroků, které poskytují pokyny k vytváření prediktivních modelů. Váš tým nasadí prediktivní modely v produkčním prostředí, které plánujete použít k vytváření inteligentních aplikací. Cílem tohoto životního cyklu procesu je navigovat projekt datových věd směrem k jasnému koncovému bodu zapojení. Datové vědy jsou cvičením při výzkumu a zjišťování. Když ke komunikaci úkolů týmu použijete dobře definovaný proces, zvýšíte šanci na úspěšné provedení projektu datových věd.

Každá fáze má svůj vlastní článek, který popisuje:

• Cíle: Cíle fáze.
• Postupy: Přehled úkolů, které provádíte ve fázi, a pokyny k jejich dokončení.
• Artefakty: Dodávky, které potřebujete vytvořit během fáze a prostředků, které můžete použít k jejich vytvoření.

Citace s hodnocením peer-reviewed

Výzkumníci publikují peer-reviewed literaturu o TDSP. Projděte si následující materiály a prozkoumejte funkce a aplikace TDSP.

• Softwarové inženýrství pro strojové učení: Případová studie (strana 291–300)

• Umění a praxe Datová Věda Pipelines: Komplexní studie Datová Věda Pipelines in Theory, In-The-Small a In-The-Large (stránky 2091-2103)

• Životní cyklus umělé inteligence: od koncepce po produkci

• Hybridní metodologie založená na nástroji CRISP-DM a TDSP pro provádění předzpracování úkolů v mexických právních předpisech o životním prostředí (objem 13613, strana 68-82)

• Postup provádění důkladného strojového učení pod dohledem ve výzkumu informačních systémů: Karta sestavy strojového učení pod dohledem (strana 589-615)

• Datová Věda v obchodním prostředí: Případové studie analýzy zákazníků v odborníkůch na danou problematiku (MSP) (strana 689–713)

• CRISP-DM o dvacet let později: Od procesů dolování dat až po Datová Věda trajektorie (stránky 3048–3061)

• Datová Věda: Systematická léčba (stránky 106–116)

• Správa artefaktů životního cyklu strojového učení: Průzkum (stránky 18–35)

• Konstrukce modelu kvality pro systémy strojového učení (stránky 307–335)

• Správa inovací řízená strojovým učením: koncepční rámec. Event Proceedings: LUT Scientific and Expertise Publications: The ISPIM Innovation Conference - inovat our common future

Přispěvatelé

Tento článek spravuje Microsoft. Původně byla napsána následujícími přispěvateli.

Hlavní autor:

• Mark Tabladillo | Vedoucí architekt cloudových řešení

Pokud chcete zobrazit neveřejné profily LinkedIn, přihlaste se na LinkedIn.

Související prostředky

• První fáze životního cyklu najdete v tématu Obchodní porozumění.
• Co je týmový proces Datová Věda?
• Porovnání produktů a technologií strojového učení