敏捷資料科學 - 簡介

敏捷資料科學是一種將資料科學與敏捷方法結合用於Web應用程式開發的方法。它關注資料科學過程的輸出，以便對組織產生影響。資料科學包括構建描述研究過程的應用程式，包括分析、互動式視覺化以及現在的應用機器學習。

敏捷資料科學的主要目標是：

記錄和指導解釋性資料分析，以發現並遵循通向引人注目的產品的關鍵路徑。

敏捷資料科學遵循以下原則：

持續迭代

此過程涉及持續迭代，建立表格、圖表、報表和預測。構建預測模型需要多次迭代特徵工程，包括提取和產生洞見。

中間輸出

這是生成的輸出清單。甚至可以說，失敗的實驗也有輸出。跟蹤每次迭代的輸出將有助於在下次迭代中建立更好的輸出。

原型實驗

原型實驗涉及分配任務並根據實驗生成輸出。在給定的任務中，我們必須迭代以獲得洞見，這些迭代可以最好地解釋為實驗。

資料整合

軟體開發生命週期包括不同的階段，其中資料對於以下方面至關重要：

• 客戶

• 開發人員，以及

• 企業

資料整合為更好的前景和輸出鋪平了道路。

金字塔資料價值

上述金字塔價值描述了“敏捷資料科學”開發所需的層級。它從基於需求的記錄收集和單個記錄的整理開始。在資料清洗和聚合之後建立圖表。聚合資料可用於資料視覺化。報表以適當的結構、元資料和資料標籤生成。從頂部開始的第二層包括預測分析。預測層是創造更多價值的地方，但它有助於建立良好的預測，重點關注特徵工程。

最頂層涉及行動，有效地驅動資料的價值。“人工智慧”是這一實施的最佳例證。