共用方式為

小組 資料科學 程式生命週期

  • 發行項

Team 資料科學 Process （TDSP） 提供您的小組可用來建構數據科學專案的生命週期。 生命週期概述您成功完成專案所採取的步驟。

如果您有屬於智慧型手機應用程式一部分的數據科學專案，您應該使用此生命週期。 智慧型手機應用程式會部署機器學習或 AI 模型以進行預測性分析。 您也可以將此程式用於探勘數據科學專案和即興分析專案，但您可能不需要實作生命週期的每個步驟。

您的小組可以結合以工作為基礎的 TDSP 與其他數據科學生命週期，例如數據採礦 的跨產業標準程式（CRISP-DM），資料庫 （KDD） 程式中的知識探索，或組織自己的自定義程式。

目的和信譽

TDSP 的目的是簡化和標準化數據科學和 AI 專案的方法。 Microsoft已在數百個專案中套用此結構化方法。 研究人員研究了TDSP，並在同行審查的文獻中發表了他們的發現。 TDSP 架構在許多領域都經過徹底測試並證明有效。

五個生命周期階段

TDSP 生命週期是由小組反覆執行的五個主要階段所組成。 這些階段包含：

以下是 TDSP 生命週期的視覺表示法：

顯示 TDSP 生命週期階段的圖表。

TDSP 生命週期是一連串的步驟，可提供建立預測模型的指引。 您的小組會在您計劃用來建置智慧型手機應用程式的生產環境中部署預測模型。 此程式生命周期的目標是將數據科學專案巡覽至明確的參與端點。 數據科學是研究和探索的練習。 當您使用定義完善的程式將工作傳達給小組時，您可以增加成功執行數據科學項目的機會。

每個階段都有自己的文章，概述：

  • 目標：階段的目標。
  • 如何執行：您在階段中執行的工作概述，以及如何完成這些工作。
  • 成品：您需要在階段期間產生的交付專案，以及可用來協助您建立這些交付項目的資源。

同行檢閱的引文

研究人員發表了有關 TDSP 的同行審查文獻。 檢閱下列數據，以調查 TDSP 功能和應用程式。

參與者

本文由 Microsoft 維護。 原始投稿人如下。

主要作者：

若要查看非公開的 LinkedIn 設定檔，請登入 LinkedIn。