アジャイルデータサイエンス-はじめに

アジャイルデータサイエンスは、Webアプリケーション開発のためのアジャイル手法でデータサイエンスを使用するアプローチです。組織に変化をもたらすのに適したデータサイエンスプロセスの出力に焦点を当てています。データサイエンスには、分析、インタラクティブな視覚化、そして現在適用されている機械学習を使用して研究プロセスを説明するアプリケーションの構築も含まれます。

アジャイルデータサイエンスの主な目標は次のとおりです。

説得力のある製品へのクリティカルパスを発見して追跡するために、説明データ分析を文書化してガイドします。

アジャイルデータサイエンスは、次の一連の原則に基づいて構成されています。

連続反復

このプロセスには、作成テーブル、チャート、レポート、および予測を使用した継続的な反復が含まれます。予測モデルを構築するには、洞察の抽出と生成を伴う機能エンジニアリングを何度も繰り返す必要があります。

中間出力

これは、生成された出力のトラックリストです。失敗した実験にも成果があるとさえ言われています。すべての反復の出力を追跡すると、次の反復でより良い出力を作成するのに役立ちます。

プロトタイプ実験

プロトタイプ実験では、実験に従ってタスクを割り当て、出力を生成します。与えられたタスクでは、洞察を得るために反復する必要があり、これらの反復は実験として最もよく説明できます。

データの統合

ソフトウェア開発ライフサイクルには、以下に不可欠なデータを含むさまざまなフェーズが含まれます。

customers
開発者、および
ビジネス

データの統合は、より良い見通しとアウトプットへの道を開きます。

ピラミッドデータ値

上記のピラミッド値は、「アジャイルデータサイエンス」開発に必要なレイヤーを表しています。それは、要件に基づいたレコードのコレクションと個々のレコードの配管から始まります。グラフは、データのクリーニングと集計の後に作成されます。集約されたデータは、データの視覚化に使用できます。レポートは、適切な構造、メタデータ、およびデータのタグを使用して生成されます。上からピラミッドの2番目の層には、予測分析が含まれます。予測レイヤーは、より多くの価値が生み出される場所ですが、機能エンジニアリングに焦点を当てた優れた予測の作成に役立ちます。

最上位層には、データの価値を効果的に推進するアクションが含まれます。この実装の最も良い例は「人工知能」です。