Agile-data-science-data-science-process
アジャイルデータサイエンス-データサイエンスプロセス
この章では、データサイエンスプロセスと、プロセスを理解するために必要な用語を理解します。
「データサイエンスとは、分析の複雑な問題を解決するための、データインターフェイス、アルゴリズム開発、テクノロジーの融合です」。
データサイエンスは、科学的方法、プロセス、システムを含む学際的な分野であり、従来の研究で機械学習、数学、統計の知識として分類されています。 また、ハッキングスキルと実質的な専門知識の組み合わせも含まれます。 データサイエンスは、数学、統計、情報科学、コンピューターサイエンス、データマイニング、予測分析から原則を引き出します。
データサイエンスチームの一部を形成するさまざまな役割を以下に示します-
お客様
顧客は、製品を使用する人々です。 彼らの関心がプロジェクトの成功を決定し、彼らのフィードバックはデータサイエンスにおいて非常に貴重です。
事業開発
このデータサイエンスチームは、初期の顧客に直接、またはランディングページやプロモーションの作成を通じてサインインします。 ビジネス開発チームは製品の価値を提供します。
プロダクトマネージャー
プロダクトマネージャーは、市場で価値のある最高の製品を作成することを重要視しています。
インタラクションデザイナー
ユーザーが適切な価値を見つけることができるように、データモデルに関する設計の相互作用に焦点を当てています。
データサイエンティスト
データサイエンティストは、新しい機能を作成および公開するために、新しい方法でデータを調査および変換します。 これらの科学者はまた、さまざまなソースからのデータを組み合わせて、新しい価値を生み出します。 彼らは、研究者、エンジニア、ウェブ開発者との視覚化の作成において重要な役割を果たします。
研究者
名前が示すように、研究者は研究活動に関与しています。 データ科学者ができない複雑な問題を解決します。 これらの問題には、機械学習と統計モジュールの集中的な集中と時間が含まれます。
変化への適応
データサイエンスのすべてのチームメンバーは、新しい変更に適応し、要件に基づいて作業する必要があります。 データサイエンスでアジャイル方法論を採用するには、次のようにいくつかの変更を行う必要があります-
- スペシャリストよりもジェネラリストを選択する。
- 大規模なチームよりも小規模なチームの好み。
- 高レベルのツールとプラットフォームを使用します。
- 中間作業の継続的かつ反復的な共有。
注意
'_アジャイルデータサイエンスチームでは、ジェネラリストの小規模なチームが、スケーラブルな高レベルのツールを使用して、反復を通じてデータをより高い価値の状態に改良します。_
データサイエンスチームのメンバーの仕事に関連する次の例を考慮してください-
- デザイナーはCSSを提供します。
- Web開発者は、アプリケーション全体を構築し、ユーザーエクスペリエンスを理解し、インターフェイスの設計を行います。
- データサイエンティストは、Webアプリケーションを含むWebサービスの研究と構築の両方に取り組む必要があります。
- 研究者は、中間結果を説明する結果を示すコードベースで作業します。
- 製品マネージャーは、関連するすべての領域の欠陥を特定して理解しようとします。
