Ist Data Science ein geheimnisvolles Verfahren, mit dem man aus Rohdaten auf nicht nachvollziehbare Weise Gold zaubert? Als Data Scientist werde ich oft mit diesem Mythos konfrontiert. Aber ist er tatsächlich wahr? In “Torch”, unserer neuen Data-Science-Serie, zeige ich dir ein typisches Data-Science-Verfahren, genannt CRISP-ML, damit du dir ein eigenes Bild machen kannst.
Wie CRISP-ML funktioniert und wie du es für dein eigenes Data-Science-Projekt nutzen kannst.
Welche Business-Fragen du stellen musst, bevor du mit dem Projekt beginnst.
Warum Iteration das Herzstück von Data Science ist.
Wie sieht dies in der Praxis konkret aus? In meinem Takeaway zeige ich dir, wie wir CRISP-ML bei Kunden anwenden und wie auch du Data-Science-Projekte zum Fliegen bringst.
Hallo! Ich bin Lev und seit über sieben JahrenData Scientist bei Trivadis – Part of Accenture. Wenn ich nicht gerade Videos drehe,unterstütze ich verschiedenste Unternehmen bei der Entwicklung und dem Einsatz datengetriebener Lösungen.Ausserdem bin ich Dozent für Data Science und Data Analytics an der Haute École Arc in Neuchâtel. Ich bin bekannt dafür, dass ich die Dinge immer wieder hinterfrage und in Projektenkompromisslos nach dem besten Ansatz suche. Und wenn ich mich nicht gerade mit Algorithmen und Statistik beschäftige? Dann töte ich gerne Monster und rette die Welt auf meiner Videospielkonsole. P. S.: Hat dir meine "Torch"-Episode gefallen? Dann kontaktiere mich gerne – es würde mich freuen, die Fackel (en. “torch”) weiterzureichen und damit deine Begeisterung für Data Science zu entfachen!
Was ich dir mitgebe
Um genauere Prognosen zur Produktnachfrage zu erhalten, haben wir bei einem Konsumgüterunternehmen CRISP-ML eingesetzt, ein Standardverfahren für Data-Science-Projekte. Auf welche Herausforderungen sind wir dabei gestossen und wie haben wir sie gelöst? In diesem Takeaway erhältst du konkrete Tipps, wie du dein eigenes Data-Science-Projekt zum Erfolg bringst.
