ESTRUCTURACIÓN DE UN PROYECTO CIENCIA DE DATOS

Entendimiento de objetivos

r

CRISP-DM

Comprensión del negocio

r

CRISP-DM

Identificación del problema

Identificación de posibles retos y limitaciones

Entender que se quiere lograr y el impacto

Identificar fuentes de datos

Ideación

c1

Definir Objetivos SMART

c1

Definir criterios de éxito

c1

Desarrollo del Backlog

c1

Definición de equipo y roles

Definición gobierno de comunicación

Definición de artefactos de la metodología

c1

Compresión de los Datos

r

CRISP-DM

Recolectar y explorar Datos

r

CRISP-DM

Verificar Calidad de los Datos

Comprender como se generaron

r

Flujos de trabajo para científicos de datos

Análisis descriptivo

r

CRIPS -DM

Preparar los datos

r

CRISP-DM

Limpieza de datos

r

CRISP-DM

Normalización de datos

Pruebas de calidad en los datos

r

CRIPS-DM

Modelado

r

CRISP-DM

Definir modelo a aplicar

Entender Workflow donde se aplica el modelo

Desarrollo del modelo

Despliegue

r

CRISP-DM

Puesta en producción

Visualización de resultados

Integración con sistemas de información

Aceptación del cliente

r

TDSM

Evaluación

r

CRISP-DM

Validar resultados

Validar Objetivos

Pruebas del modelo

Estimar Presición

IMPLEMENTACIÓN BAJO METODOLOGIAS AGILES

DOCUMENTACIÓN DE CADA PROCESO

MEIDY LIZETH MORENO GUZMAN

- COMUNICACIÓN DE RESULTADOS
- RETROALIMEMTACIÓN
- MEJORA CONTINUA