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 sind Sie in der Lage, die Einsatz- und Feedbackphasen der Data Science-Methodik zu beschreiben. Sie lernen, wie Sie die Leistung, die Auswirkungen und die Bereitschaft eines Datenmodells bewerten können. Sie werden in der Lage sein, die Stakeholder zu identifizieren, die in der Regel zur Modellverbesserung beitragen. Sie werden auch erklären können, warum die Bereitstellung und das Feedback ein iterativer Prozess sein sollten. Zum Abschluss Ihrer praktischen Erfahrung im Labor werden Sie ein Geschäftsproblem entwickeln, das Sie mit Daten aus den Bereichen E-Mail, Krankenhäuser oder Kreditkarten lösen. Sie werden Ihr Verständnis der datenwissenschaftlichen Methodik unter Beweis stellen, indem Sie sie auf ein bestimmtes Problem anwenden. Sie werden Antworten erstellen, die jede Phase des CRISP-DM auf der Grundlage eines ausgewählten Geschäftsproblems behandeln. Nachdem Sie Ihre Arbeit eingereicht haben, werden Sie die endgültigen Projekte Ihrer Mitschüler bewerten und konstruktive Ideen und Vorschläge einbringen, die Ihre Mitschüler sofort umsetzen können.

Bevor Sie Ihr Abschlussprojekt fertigstellen, 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 von Kollegen bewertete Aufgabe zu lösen, bei der die CRISP-DM Data Science-Methodik zur Lösung eines von Ihnen definierten Geschäftsproblems eingesetzt wird. Zunächst schlüpfen Sie sowohl in die Rolle des Kunden als auch in die des Datenwissenschaftlers und beschreiben, wie Sie die CRISP-DM Data Science-Methodik zur Lösung des Geschäftsproblems anwenden würden. Dann schlüpfen Sie in die Rolle eines Datenwissenschaftlers und wenden Ihre Kenntnisse der CRISP-DM Datenmethodik an, um zu beschreiben, wie Sie das Geschäftsproblem lösen würden. Nachdem Sie Ihre Aufgabe eingereicht haben, bewerten Sie die Aufgabe eines anderen Teilnehmers, der an dieser Sitzung teilgenommen hat. Legen Sie los!