In diesem Modul erfahren Sie, was Datenwissenschaftler tun, wenn ihre Aufgaben und Ziele darin bestehen, die Daten zu verstehen, aufzubereiten und zu bereinigen. Sie werden die Zwecke, Merkmale und Ziele des Datenmodellierungsprozesses untersuchen. Außerdem erfahren Sie, wie Sie einen Datensatz vorbereiten, indem Sie mit fehlenden, ungültigen oder irreführenden Daten umgehen. Probieren Sie dann die praktischen Übungen aus, bei denen Sie Erfahrungen bei der Durchführung von Aufgaben in den Phasen Datenverständnis, Datenaufbereitung sowie Modellierung und Auswertung sammeln können. Sie werden in der Lage sein, die erlernten Fähigkeiten auf zukünftige Data Science-Probleme anzuwenden.

Nach Abschluss dieses Moduls werden Sie in der Lage sein, die Phasen der Bereitstellung und des Feedbacks der Datenwissenschaft zu beschreiben. Sie lernen, wie Sie die Leistung, die Auswirkungen und die Bereitschaft eines Datenmodells bewerten können. Sie sind in der Lage, die Akteure zu identifizieren, die normalerweise zur Verfeinerung des Modells beitragen. Sie werden auch erklären können, warum die Bereitstellung und das Feedback ein iterativer Prozess sein sollten.um Ihre praktische Erfahrung im Labor zu vervollständigen, werden Sie sich ein Geschäftsproblem ausdenken, das Sie mit Hilfe von Daten im Zusammenhang mit E-Mails, Krankenhäusern oder Kreditkarten lösen. Sie werden Ihr Verständnis für die Methodik der Datenwissenschaft unter Beweis stellen, indem Sie sie auf ein bestimmtes Problem anwenden. Sie erstellen Antworten, die jede Phase des CRISP-DM auf der Grundlage eines ausgewählten Geschäftsproblems behandeln. Nachdem Sie Ihre Arbeit eingereicht haben, wird sie von der KI bewertet und Sie erhalten schnelles, präzises und konstruktives Feedback.

Bevor Sie Ihr Abschlussprojekt abschließen, lernen Sie, wie die CRISP-DM Data Science-Methodik mit der grundlegenden Data Science-Methodik von John Rollins verglichen werden kann. Wenden Sie dann das Gelernte an, um eine mit KI bewertete Aufgabe zu lösen, bei der die CRISP-DM Data Science-Methodik zur Lösung eines von Ihnen definierten Geschäftsproblems eingesetzt wird. Sie schlüpfen zunächst in die Rolle des Kunden und des Datenwissenschaftlers und beschreiben, wie Sie die Data-Science-Methodik CRISP-DM zur Lösung des Geschäftsproblems anwenden würden. Dann schlüpfen Sie in die Rolle eines Datenwissenschaftlers und wenden Ihr Wissen über die Phasen der CRISP-DM-Datenmethodik an, um zu beschreiben, wie Sie das Geschäftsproblem lösen würden. Nachdem Sie Ihre Aufgabe eingereicht haben, wird Ihre Einsendung von einer KI bewertet, die Ihnen schnelles, präzises und konstruktives Feedback gibt. Los geht's!