Hay tres puntos principales en los que sugeriría que se concentre:
- Propósito: ¿Cuál es el punto de hacer ese proyecto? ¿La producción esperada mejora claramente el rendimiento del negocio? Se recomienda encarecidamente asegurarse de que el propósito sea claro para que más adelante las empresas puedan obtener valor de ello. Siempre involucre a los usuarios finales en la definición del propósito, ya que ellos son los que eventualmente pueden usar la salida.
- Técnicas y herramientas: defina un modelo lógico para resolver la parte de ciencia de datos y evalúe la competencia del equipo para ejecutar la misma. No te obsesiones con un modelo o una herramienta. Siempre tenga en cuenta la parsimonia de los modelos cuando los desarrolle. Además, dadas las grandes posibilidades de datos, es bueno evaluar la complejidad de cómputo de los modelos seleccionados antes de entrar en producción.
- Ejecución: asegúrese de que la competencia del equipo esté bien alineada con la tarea en cuestión. Además, asegúrese de recibir comentarios de los clientes a intervalos regulares, especialmente para UI / UX y mecanismos de entrega (aplicaciones, informes, correos electrónicos, etc.)
Espero que esto ayude,
Aclamaciones,
- Como científico de datos, ¿en qué industria trabaja actualmente? ¿Su industria tiene una gran demanda de científicos de datos?
- ¿Cómo y de qué sitios web y libros puedo aprender en profundidad los conceptos de ciencia de datos para prepararme para el nivel de entrevista?
- ¿Cuáles son las opciones de la plataforma de análisis para datos no tan grandes?
- ¿Cómo es útil el Big Data para las personas?
- ¿Cuál es el rol del controlador de datos en GDPR?
Adi
