Сбор требований  в  Data  Science - проектах Евгений  Виноградов, руково дитель  разрабо тки  хранилищ  данных
Модели › Описательные
Модели › Описательные › Предсказат ельные
Модели › Описательные › Предсказат ельные › Агрегирующие 
Модели › Описательные › Предсказат ельные › Агрегирующие  › Классифик атор ы
Заказчики › PO › PM
Заказчики › Маркетинг › Финансы › СБ
Сложности Нет  данных Нет э ксперта в предметной  области Не  сформулир ована  проблема Заказчик не пони мает, что это  RnD 8
Варианты взаимодействия › Есть  проблема, и н ужно подобрать  вероят ностное  решение 10
Варианты взаимодействия › Есть  проблема, и н ужно подобрать  детермениро ванное / гарантированное  решение 11
Варианты взаимодействия › Заказчик озвучив ает п роблему   и  сам занимается ее  решением, и  ему нужна помощь в математике / технике 12
Варианты взаимодействия › Вы и  есть заказчик 13
С чего  начать? › С метрик успеха  › Их нужно п олу чить  от заказчика › И перевести  в  DS - фор мат 14
Метрики Некото рое  количест во  придумали до вас 15
Метрики 16
Метрики Некото рое  количест во  придумали до вас › Precis ion/recall 17
Метрики Некото рое  количест во  придумали до вас › Precis ion/recall › Гармоническое среднее  › ROC - AUC 18
Метрики Некото рое  количест во  придумали до вас › Precis ion/recall › Гармоническое среднее  › ROC - AUC Что будем использовать? Какие значения н ас устроят ? 19
А если не удалось  достичь  метрик? 20 › Тюнинг › Смена модели
А если не удалось  достичь  метрик? › Обогащение  данных › Смена перспективы › Смена метрик 21 › Тюнинг › Смена модели
Регулярное  ревью › Точно ли н ам все еще ин тересно  именно  решение  исходной  задачи? 22
Ключевые моменты › Если  есть данн ые,  гипотеза  и  специалист  – может п омочь  Data  Science › Метрики  успеха крайне важны › Если  не сработало  – обогатите  датасет ! 23
Контакты +7( 906)249 - 68 - 42 jon ny@y amoney.ru Вопросы? Евгений  Виноградов Рук оводи те ль   отде ла   раз раб отки  хр ани ли щ  данны х 24
Logo
Особенности сбора требований в Data Science-проектах