دورة حياة عملية علم بيانات الفريق

توفر عملية علوم بيانات الفريق (TDSP) دورة حياة يمكن لفريقك استخدامها لهيكلة مشاريع علوم البيانات. تحدد دورة الحياة الخطوات التي يمكنك اتخاذها لإكمال مشروع بنجاح.

يجب عليك استخدام دورة الحياة هذه إذا كان لديك مشروع علم بيانات يشكل جزءا من تطبيق ذكي. تنشر التطبيقات الذكية التعلم الآلي أو نماذج الذكاء الاصطناعي للتحليقات التنبؤية. يمكنك أيضا استخدام هذه العملية لمشاريع علوم البيانات الاستكشافية ومشاريع التحليلات المرتجلة، ولكن قد لا تحتاج إلى تنفيذ كل خطوة من دورة الحياة.

يمكن لفريقك الجمع بين TDSP المستند إلى المهام ودورات حياة علوم البيانات الأخرى، مثل العملية القياسية عبر الصناعة لاستخراج البيانات (CRISP-DM) أو عملية اكتشاف المعرفة في قواعد البيانات (KDD) أو العملية المخصصة الخاصة بمؤسستك.

الغرض والمصداقية

الغرض من TDSP هو تبسيط وتوحيد نهجك لعلوم البيانات ومشاريع الذكاء الاصطناعي. طبقت Microsoft هذه المنهجية المنظمة في مئات المشاريع. درس الباحثون TDSP ونشر النتائج التي توصلوا إليها في المؤلفات التي استعرضها النظراء. يتم اختبار الإطار المعماري ل TDSP بدقة وثبت فعاليته في العديد من المجالات.

خمس مراحل لدورةِ الحياة

تتكون دورة حياة TDSP من خمس مراحل رئيسية يقوم بها فريقك بشكل متكرر. وتتضمن هذه المراحل ما يلي:

• فهم الأعمال
• اكتساب البيانات وفهمها
• النمذجه
• النشر
• قبول العملاء

فيما يلي تمثيل مرئي لدورة حياة TDSP:

دورة حياة TDSP هي سلسلة من الخطوات التي توفر إرشادات لإنشاء نماذج تنبؤية. ينشر فريقك النماذج التنبؤية في بيئة إنتاج تخطط لاستخدامها لإنشاء تطبيقات ذكية. الهدف من دورة حياة هذه العملية هو التنقل في مشروع علم البيانات نحو نقطة نهاية مشاركة واضحة. علم البيانات هو تمرينٌ في البحث والاكتشاف. عند استخدام عملية محددة جيدا لتوصيل المهام إلى فريقك، فإنك تزيد من فرصة تنفيذ مشروع علوم البيانات بنجاح.

كل مرحلة لها مقالتها الخاصة التي توضح:

• الأهداف: أهداف المرحلة.
• كيفية القيام بذلك: مخطط تفصيلي للمهام التي تقوم بها في المرحلة وإرشادات حول كيفية إكمالها.
• البيانات الاصطناعية: التسليمات التي تحتاج إلى إنتاجها أثناء المرحلة والموارد التي يمكنك استخدامها لمساعدتك في إنشائها.

الاقتباسات التي تمت مراجعتها من قبل الأقران

ينشر الباحثون أدبا مراجعا من قبل الأقران حول TDSP. راجع المواد التالية للتحقيق في ميزات وتطبيقات TDSP.

• هندسة البرمجيات التعلم الآلي: دراسة حالة (الصفحات 291-300)

• فن وممارسة البنية الأساسية لبرنامج ربط العمليات التجارية لعلوم البيانات: دراسة شاملة لتدفقات علم البيانات من الناحية النظرية، وفي الصغيرة، والكبرى (الصفحات 2091-2103)

• دورة حياة الذكاء الاصطناعي: من المفهوم إلى الإنتاج

• منهجية مختلطة تستند إلى CRISP-DM وTDSP لتنفيذ مهام المعالجة المسبقة في القوانين البيئية المكسيكية (المجلد 13613، الصفحات 68-82)

• كيفية إجراء التعلم الآلي صارمة خاضعة للإشراف في أبحاث أنظمة المعلومات: بطاقة تقرير التعلم الآلي الخاضعة للإشراف (الصفحات 589-615)

• علم البيانات في بيئة الأعمال: دراسات حالة تحليلات العملاء في الشركات الصغيرة والمتوسطة (الصفحات 689-713)

• CRISP-DM بعد عشرين عاما: من عمليات استخراج البيانات إلى مسارات علم البيانات (الصفحات 3048-3061)

• علم البيانات: معالجة منهجية (الصفحات 106-116)

• إدارة البيانات الاصطناعية لدورة حياة التعلم الآلي: استطلاع (الصفحات 18-35)

• بناء نموذج جودة لأنظمة التعلم الآلي (الصفحات 307-335)

• إدارة الابتكار المستندة إلى التعلم الآلي: إطار عمل تصوري. وقائع الحدث: منشورات LUT العلمية والخبرات: مؤتمر الابتكار ISPIM – ابتكار مستقبلنا المشترك

المساهمون

تحتفظ Microsoft بهذه المقالة. وهي مكتوبة في الأصل من قبل المساهمين التاليين.

الكاتب الرئيسي:

• Mark Tabladillo | مهندس حلول سحابي أول

لمشاهدة ملفات تعريف LinkedIn غير العامة، سجل الدخول إلى LinkedIn.

الموارد ذات الصلة

• للمرحلة الأولى من دورة الحياة، راجع فهم الأعمال.
• ما هي عملية علوم بيانات الفريق؟
• مقارنة منتجات وتقنيات التعلم الآلي