Delen via


De levenscyclus van het team Datawetenschap proces

Het TDSP (Team Datawetenschap Process) biedt een levenscyclus die uw team kan gebruiken om uw data science-projecten te structuren. De levenscyclus bevat een overzicht van de stappen die u kunt uitvoeren om een project te voltooien.

U moet deze levenscyclus gebruiken als u een data science-project hebt dat deel uitmaakt van een intelligente toepassing. Intelligente toepassingen implementeren machine learning- of AI-modellen voor predictive analytics. U kunt dit proces ook gebruiken voor experimentele data science-projecten en geïmproviseerde analyseprojecten, maar u hoeft mogelijk niet elke stap van de levenscyclus te implementeren.

Uw team kan de op taken gebaseerde TDSP combineren met andere levenscycluss van data science, zoals het standaardproces voor gegevensanalyse (CRISP-DM), het kennisdetectieproces in databases (KDD) of het eigen aangepaste proces van uw organisatie.

Doel en geloofwaardigheid

Het doel van TDSP is om uw benadering van data science- en AI-projecten te stroomlijnen en te standaardiseren. Microsoft heeft deze gestructureerde methodologie in honderden projecten toegepast. Onderzoekers bestudeerden TDSP en publiceerden hun bevindingen in peer-review literatuur. Het architectuurframework van de TDSP wordt grondig getest en bewezen effectief op veel gebieden.

Vijf levenscyclusfasen

De TDSP-levenscyclus bestaat uit vijf belangrijke fasen die uw team iteratief uitvoert. Deze fasen zijn onder andere:

Hier volgt een visuele weergave van de TDSP-levenscyclus:

Diagram met de fasen van de TDSP-levenscyclus.

De TDSP-levenscyclus is een reeks stappen die richtlijnen bieden voor het maken van voorspellende modellen. Uw team implementeert de voorspellende modellen in een productieomgeving die u wilt gebruiken om intelligente toepassingen te bouwen. Het doel van deze proceslevenscyclus is om door een data science-project te navigeren naar een duidelijk eindpunt voor betrokkenheid. Data science is een oefening in onderzoek en ontdekking. Wanneer u een goed gedefinieerd proces gebruikt om taken met uw team te communiceren, vergroot u de kans om een data science-project uit te voeren.

Elke fase heeft een eigen artikel met een overzicht van:

  • Doelen: De doelstellingen van de fase.
  • Hoe kunt u dit doen: een overzicht van de taken die u in de fase uitvoert en richtlijnen voor het voltooien ervan.
  • Artefacten: de producten die u moet produceren tijdens de fase en resources die u kunt gebruiken om ze te maken.

Door peer beoordeeld bronvermeldingen

Onderzoekers publiceren peer-review literatuur over de TDSP. Bekijk het volgende materiaal om TDSP-functies en -toepassingen te onderzoeken.

Medewerkers

Dit artikel wordt onderhouden door Microsoft. De tekst is oorspronkelijk geschreven door de volgende Inzenders.

Hoofdauteur:

Als u niet-openbare LinkedIn-profielen wilt zien, meldt u zich aan bij LinkedIn.