С тех пор, как я начал работать с проектами по науке о данных, я обнаружил, что разделение каждого решения проблемы на хронограмму шагов значительно упрощает решение всех проектов, так что в каждом проекте у меня уже может быть надежный план, которому я должен следовать. Это также известно как цикл CRISP-DM, что означает межотраслевой стандартный процесс интеллектуального анализа данных. Из книги «Наука о данных для бизнеса»: Извлечение полезных знаний из данных для решения бизнес-задач..

CRISP-DM готов для проектов машинного обучения Структурируйте свои проекты машинного обучения, используя сильные стороны хорошо известной модели процесса интеллектуального анализа данных, дополненной ролями и обязанностями. Этот пост был написан в соавторстве с Dr. Бернд Бахманн . Эффективный анализ больших наборов данных с помощью машинного обучения дает организациям конкурентные преимущества за счет получения информации о поведении клиентов, эффективности процессов, влиянии..

В этом посте я буду использовать структуру CRISP-DM, чтобы получить ответ о прогнозировании доходов от фильмов на основе набора данных IMBd. Я отвечу на следующие вопросы: Каково общее количество фильмов в разных категориях? Какие жанры из года в год пользуются наибольшей популярностью? Какое среднее число голосов попало в 10 самых дорогих фильмов с точки зрения бюджета? Каков самый высокий бюджет и его доход для фильма, относящегося к категории драмы? Какой режиссер снял более 15..

Airbnb собирает огромное количество данных о своих предложениях и делает их доступными для всех, кто заинтересован в их анализе. В контексте программы Наностепень Udacity Data Scientist я решил написать о своих выводах после применения CRISP-DM (межотраслевой процесс интеллектуального анализа данных) к Airbnb. данные по 3 городам Франции: Бордо , Лион и Париж . Что такое CRISP-DM? Межотраслевой процесс интеллектуального анализа данных состоит из 6 этапов,..

Суть фреймворков процесса машинного обучения — KDD, CRISP-DM Введение Очень редко мы официально обсуждаем различные структуры процессов анализа данных, которые полезны для управления жизненным циклом наших проектов по анализу данных и машинному обучению. Суть любой структуры анализа данных и интеллектуального анализа данных заключается в сборе данных, предварительной обработке данных, анализе для поиска скрытых идей и рассказывании историй. В этом посте я кратко коснусь этих процессов,..