接下来
数据科学挑战与增强的数据科学方法论
继续
商业数据科学方法论介绍
这是订阅内容的预览
您的浏览器需要能够使用JavaScript查看这个视频
尝试重新加载此页面，或查看您的浏览器设置
您正在观看订阅内容的预览。登录检查访问
尽管有伟大的数据科学家，大多数数据科学项目仍然失败，因为缺乏适当的技能和流程来将不同的团队聚集在一起管理和执行数据驱动的数据科学项目。本视频将介绍“增强”CRISP-DM方法论的6个主要步骤，可用于1)选择数据科学用例，2)准备数据集，3)开发数据科学模型，以及4)在模型的测试、培训和部署中设置防护护栏。它将吸引试图理解如何处理大量非结构化数据的学生和专业人士。
介绍
此视频提供了对业务数据科学方法论的介绍，并描述了组织如何自动化其业务流程。
关于作者
Neena Sathi是应用人工智能研究所的负责人。她有30多年的经验，为许多财富100强企业设想、设计、开发和实施与提高客户体验、后台办公自动化、风险和合规相关的人工智能解决方案。她曾在人工智能初创公司卡内基集团、埃森哲、毕马威和IBM担任人工智能技术总监。
妮娜拥有三个硕士学位，包括美国顶尖大学的MBA学位。她是IBM和Open Group认证的集成架构师，以及项目管理研究所认证的项目管理专业人员(PMP)。她还获得了许多云和认知技术的认证。她在AAAI、IEEE、WCF、ECF、IBM Information on Demand、IBM Insight、World of Watson、IBM Developer Works和各种学术期刊上发表了多篇论文。
Arvind Sathi博士是毕马威的AI扫盲总监，以及加州大学的一名教职员工，他教导了AI和分析的课程。Sathi博士收到了他的博士学位。在来自卡内基梅隆大学的人工智能，并在诺贝尔奖获奖者博士赫伯特A. Simon博士。Sathi博士是一个经验丰富的专业专业，具有人工智能和数据科学解决方案的领导和交付。Sathi博士是在卡内基集团（Carnegie Mellon Startup）开发AI解决方案的先驱，导致其成功的公开发售作为盈利的AI公司。在毕马威/轴承点，他领导了智能流程自动化，企业集成和分析的实践。在IBM，Sathi博士领导了来自IBM Watson和云业务部门的IBM产品的几个AI和数据科学计划，并为IBM的战略账户提供了技术监督。他还在工业会议上提供了众多研讨会和技术主题的演示，并在信息技术中拥有四项专利。他发表了四本关于分析的书 - 认知（互联网）的东西，使用大数据，大数据分析，客户体验分析来吸引客户。他也是Sunil Soares撰写的一些数据治理书籍的贡献作者，并发表了一篇关于IBM Developer Works的高级分析的文章系列。
关于这个视频
- 作者(年代)
- Neena Sathi.
- Arvind Sathi
- 迪伊
- https://doi.org/10.1007/978-3-030-74118-1
- 在线国际标准图书编号
- 978-3-030-74118.1.
- 总持续时间
- 1小时26分钟
- 发行商
- Palgrave Macmillan.
- 版权信息
- ©本文的编辑（如适用）和作者，在斯普林斯自然瑞士AG 2021beplay登入
相关内容
视频成绩单
(播放音乐)
Arvind Sathi博士和Neena Sathi合著的商业数据科学方法论导论。数据科学的发展得益于商业智能(BI)，这个领域在上世纪90年代开始流行。然而，在过去20年里，我们利用人工智能采取行动的能力得到了前所未有的提高。这仍然是一个非常新的领域，没有定义良好的过程或方法，特别是当它涉及到护栏时，你如何管理、测试和部署你的BI模型。
大纲。CRISP-DM是做BI类型项目的原始方法。今天的数据科学工作涉及大数据和许多新兴的人工智能技术。当我们将BI技术用于AI部署时，这些方法面临着许多挑战。我们将首先描述这些挑战，然后将介绍我们用于数据科学工作的改进方法。
我们的方法扩展了我们的原始方法，包括对原始方法的培训，自适应学习和治理，并为知识工程和管理添加所需的AI相关步骤。我们还将在AI开发和部署的背景下突出本方法的价值。
在第2节中介绍了我们增强的七步方法之后，我们将在第3节到第9节中详细描述我们的方法的每个步骤。这些步骤包括，第一，描述用例。第二步，理解数据。第三步，准备数据。第四步，开发模型。第五步，评价模型。第六步，部署模型。最后，第七步，监控模型。
我们将总结摘要第10节中的视频书内容。我们还将总结原始CRISP-DM的关键变化在摘要部分中的增强方法中。
观众。那么谁将受益于此视频书？该视频书主要为管理数据科学或AI驱动的参与，商业管理者和IT组织的高管设计。此视频书还将帮助任何有兴趣探索数据科学作为职业的人。
这段视频有四种可能作为介绍性材料。第一个是数据科学家，他将使用视频书初步接触CRISP-DM和AI建模和部署。第二，数据、AI或自动化工程师，他们将获得足够的理解，以便在更大的系统中使用方法论或嵌入式AI模型。
测试工程师将了解AI模型所需的专门测试方法和流程。最后，知识工程师可以了解他们正在开发的知识路标是如何被打包到一个人工智能模型中，然后如何部署它。
预期结果。那么你会从这个视频书中拿出什么？您将能够了解AI和分析的成因。您将能够阐明数据科学过程和方法，了解BI与AI之间的差异。您将能够阐明AI的主要命题。
您将能够了解如何分析数据来源和所需的任何增强功能。您将能够了解如何构建和集成数据和AI驱动的建模技术。您将能够欣赏如何在这些案例中使用AI来利用分析。您将能够探索用户和专家如何参与模型测量和监控。最后，您将理解控制和治理方面。
大家好，我是Neena Sathi。我在电信、医疗、零售和政府等多个行业有超过30年的人工智能开发经验。我在美国、加拿大和拉丁美洲广泛部署了人工智能应用程序。在多家杂志和会议上广泛发表人工智能相关论文。我曾在埃森哲、CenturyLink、毕马威和IBM担任人工智能技术主管。
嗨，我是arvind sathi。我收到了来自Carnegie Mellon University在人工智能领域的博士学位。我曾在Herb Simon教授曾获得过诺贝尔经济学奖，也被认为是人工智能之父。我今天在加利福尼亚州大学工作，我在AI和Analytics的毕业生课程中教授课程，我也在毕马威工作，在那里我领导与AI扫盲相关的教育活动，有20,000名咨询顾问。
我有经验在电信，媒体和会计服务中开发和部署AI系统。我在澳大利亚在亚洲的全球工作，在欧洲，以及美国的工作。我在AI分析领域写了四本书，并在该领域有几项专利和许多论文。