数据科学方法论

在本模块中，您将了解当数据科学家的任务和目标是理解、准备和清理数据时，他们会做些什么。您将了解数据建模过程的目的、特点和目标。您还将探索如何通过处理缺失、无效或误导性数据来准备数据集。 然后查看动手实验室，在那里您可以获得完成与数据理解、数据准备以及建模和评估阶段相关的任务的经验。您将能够把学到的技能应用到未来的数据科学问题中。

完成本 Modulation 后，您将能够描述数据科学方法论的部署和 Feedback 阶段。您将学会如何评估 Data Model 的性能、影响和就绪程度。您将能够识别通常为模型完善做出贡献的利益相关者。为了完成实验室实践，您将使用与电子邮件、医院或信用卡相关的数据设计一个业务问题来加以解决。通过将 Data Science 方法应用于给定的问题，您将展示自己对该方法的理解。您将根据选定的业务问题，针对 CRISP-DM 的每个阶段构建响应。提交作品后，您的作品将由 AI 评级，提供快速、精确和建设性的反馈。

在完成最终项目之前，了解 CRISP-DM 数据科学方法与 John Rollins 的基础数据科学方法的比较。然后，运用所学知识，使用 CRISP-DM 数据科学方法完成一项人工智能分级作业，以解决您定义的业务问题。首先，您将同时扮演客户和数据科学家的角色，描述如何应用 CRISP-DM 数据科学方法解决业务问题。 然后，扮演数据科学家的角色，运用 CRISP-DM 数据方法论各阶段的知识，描述您将如何解决业务问题。 提交作业后，我们将对您提交的作业进行人工智能评分，提供快速、准确和建设性的反馈。让我们开始吧