敏捷数据科学 - 简介

敏捷数据科学是一种使用数据科学和敏捷方法进行 Web 应用程序开发的方法。它侧重于适合影响组织变革的数据科学过程的输出。数据科学包括构建通过分析、交互式可视化以及现在应用的机器学习来描述研究过程的应用程序。

敏捷数据科学的主要目标是 -

记录并指导解释性数据分析，以发现并遵循打造引人注目的产品的关键路径。

敏捷数据科学是按照以下原则组织的 -

持续迭代

此过程涉及创建表格、图表、报告和预测的连续迭代。构建预测模型将需要对特征工程进行多次迭代，以提取和产生洞察力。

中间输出

这是生成的输出的轨道列表。甚至有人说，失败的实验也有产出。跟踪每次迭代的输出将有助于在下一次迭代中创建更好的输出。

原型实验

原型实验涉及分配任务并根据实验生成输出。在给定的任务中，我们必须迭代以获得洞察力，这些迭代可以最好地解释为实验。

数据整合

软件开发生命周期包括不同的阶段，其中数据至关重要 -

  • 顾客

  • 开发商，以及

  • 这生意

数据的整合为更好的前景和产出铺平了道路。

Pyramid数据值

Pyramid数据价值

上述Pyramid值描述了“敏捷数据科学”发展所需的层次。它首先根据要求收集记录并检查各个记录。图表是在数据清理和聚合后创建的。聚合的数据可用于数据可视化。生成的报告具有正确的结构、元数据和数据标签。Pyramid从顶部算起的第二层包括预测分析。预测层是创造更多价值的地方，但有助于创建专注于特征工程的良好预测。

最顶层涉及有效驱动数据价值的行动。这种实现的最好例证是“人工智能”。