ESTRUCTURACIÓN DE UN PROYECTO CIENCIA DE DATOS

Plus de détails

DIFERENCIAS COSO I, II, III Y IV

par Thalia Jara

EVALUACIÓN MIOFUNCIONAL OROFACIAL

par fran albarracin

MÉTODO EN TRABAJO SOCIAL CON CASOS.

par Pierina Briggitte Cevallos Arteaga

evaluación de aprendizaje Sena

par willian bautista

- COMUNICACIÓN DE RESULTADOS - RETROALIMEMTACIÓN - MEJORA CONTINUA

MEIDY LIZETH MORENO GUZMAN

DOCUMENTACIÓN DE CADA PROCESO

IMPLEMENTACIÓN BAJO METODOLOGIAS AGILES

ESTRUCTURACIÓN DE UN PROYECTO CIENCIA DE DATOS

Evaluación

Estimar Presición

Pruebas del modelo

Validar Objetivos

Validar resultados

Despliegue

Aceptación del cliente

Integración con sistemas de información

Visualización de resultados

Puesta en producción

Modelado

Desarrollo del modelo

Entender Workflow donde se aplica el modelo

Definir modelo a aplicar

Preparar los datos

Pruebas de calidad en los datos

CRIPS-DM

Normalización de datos

Limpieza de datos

Compresión de los Datos

Análisis descriptivo

CRIPS -DM

Comprender como se generaron

Flujos de trabajo para científicos de datos

Verificar Calidad de los Datos

Recolectar y explorar Datos

Ideación

Dominio DS

Definición de artefactos de la metodología

TDSM

Definición gobierno de comunicación

Definición de equipo y roles

Desarrollo del Backlog

Definir criterios de éxito

Definir Objetivos SMART

TDSP

Entendimiento de objetivos

CRISP-DM

Identificar fuentes de datos

Entender que se quiere lograr y el impacto

Identificación de posibles retos y limitaciones

Identificación del problema

Comprensión del negocio