arabera Edisson Camilo Sanchez Osorio 9 days ago
7
Honelako gehiago
Actividad
Se divide en 4 Cuadrantes
Mejorar
Construir
Diseñar
Evaluar
Incluye Big Data y Actividades de Ciencia de Datos
Basado en el Modelo CRISP-DM
Busca ampliar la metodología CRISP-DM
Ingeniería Exhaustiva buscando ejecución Exhaustiva
Los desafíos relacionados con el equipo quedan sin explorar
Muy entrelazado a la ingeniería de Software
Inteligencia empresarial
Analítica Rápida
Creación de Valor atreves de los datos
Consta de 5 Fases
Efectividad de los datos
Inteligencia de los datos
Interacción con los datos
Análisis de datos
Preparación de los datos
Asertiva al Cambio
Colaboración con el cliente
Orientado al Aprendizaje
Fácil adaptabilidad
Enfoque logístico
Permite colaboración multidisciplinaria
Acepta las iteraciones
Buscar garantizar la infraestructura y recursos
Calidad de los Datos
Enfoque en la toma de decisiones
Definición del ciclo de vida
Retroalimentación y ajustes continuos
Limitado a servicios de Microsoft
Estructura de proyecto estandarizada
Enfoque Top-Dowm
Documentación y Trazabilidad
Flexibilidad y Adaptabilidad
Integra tecnologías Emergentes
Iterativa e incremental
Establece una Bodega de Información
Herramientas Web
Definición de Roles
Colaboración remota
Enfocado en proyectos rápidos
Consta de 10 Etapas
Retroalimentación
Evaluación
Modelado
Comprensión de Datos
Recopilación de Datos
Requisito de Datos
Enfoque analítico
Comprensión de Negocio
Propone 6 Fases
Fase VI Despliegue
Revisar el Proyecto
Producir el Informe Final
Planificar el monitoreo y mantenimiento
Planificación del despliegue
Fase V Evaluación
Busca de Mejoras del Modelo
Analizar el desempeño del modelo
Determinar próximos pasos
Revisar el Proceso
Evaluar Resultados del Modelo
Fase IV Modelado
Selección de los algoritmos mas apropiados
Evaluar el Modelo
Construir el Modelo
Generar Diseño de pruebas
Seleccionar Técnicas de Modelado
Fase III Preparación de Datos
Formatear Datos
Integrar Datos
Construir Datos
Limpiar Datos
Seleccionar los Datos
Fase II Comprensión de Datos
Verificar la Calidad de los Datos
Explorar los Datos
Descubrir los Datos
Recolectar datos Iniciales
Fase I Comprensión del Negocio
Crear el plan del Proyecto
Establecer objetivos de Minería de Datos
Evaluar la situación
Determinar objetivos del negocio
No Ofrece pautas de Roles
Se centra en la implementación y puesta en marcha
Difícil escalar
Ayuda al diseño conceptual del proyecto
Propone 4 Etapas
Fuente de Datos
Pools de Datos
Uso Analítico
Pasa por alto los problemas relacionados con el equipo y la gestión de datos
Distinción entre la perspectiva que prioriza los negocios y los datos
Consta de 3 Fases
Implementación
Análisis de Datos
Trabajo preliminar estàtico
Se Enfoca en aspectos de gestión de cambios
Capacitación de Personas
Equipos Multifuncionales
No se enfoca en la validación de los modelos implementados
No Define Roles
Enfoque sistemático y centrado en la investigación
Metodología mas cercana al mundo académico
Fundamental Documentar
Describir el Proceso
Descubrir y seguir el camino hacia un producto
Sube y Baja por la pirámide de valor de los datos
Importante escuchar los datos
Prototipos de experimentos sobre tareas de ejecuciòn
Enviar resultados intermedios
Iterar,iterar,iterar
Agilidad en la practica de la ciencia de datos
Descubrimiento de Datos
Puesta en Marcha
Comunicación del resultado
Construcción del Modelo
Probar continuamente si el equipo ha logrado avanzar
Controla el trabajo prematuro
Iterativos
Concentrar el trabajo inicio y fin del proyecto
Preparación de Datos
Planificación del Modelo
Ejecución del análisis
Difusión de los resultados
Interpretar los Datos
Centrado en la investigación
Preparación de datos
Sigue una Estructura
Comunicación de Resultados
Despliegue en Producción
Documentar
Probar
Modelar Datos
Explorar Datos
Obtener Datos
Examinar trabajos anteriores
Plantear una pregunta inicial
El gran reto es comprender los objetivos empresariales
Se sugiere 2 equipos, 1 para construir modelos y el otro para evaluarlo, complemetamente separados
Documentar es Fundamental
Algunas Características
Tecnologías Emergentes
Privacidad de Datos
Evaluación continua
Documentación detallada
Apoya en la toma de decisiones
Escalable y Flexible
Ciclo iterativo
Integra ciencias de datos, tecnología y procesos de negocio
Coordinación estigmática
Mejorar la coordinación de equipo
Calidad de Datos
Colaboración Multidisciplinaria
