Etap I

Zrozumienie Biznesu

Dobre zrozumienie potrzeb biznesowych klienta jest kluczowe dla powodzenia dowolnego projektu i o ile następne etapy są w zależności od ustaleń z klientem opcjonalne, tak ten element wydaje się bezspornie koniecznym. W ramach „Zrozumienia Biznesu” wspólnie z klientem realizujemy dwa zadania:

  • jaki jest nasz główny cel
  • jakie są dostępne źródła danych

W kontekście rozwiązania kognitywnego, musimy określić rodzaj zadania Machine Learning’owego (Regresja, Klasyfikacja, Klasteryzacja, Detekcja Anomali, Rekomendacja) oraz ustalić stosowne metryki i ich akceptowalne wartości.

Pytanie dot.  źródeł danych też jest zadane w kontekście rozwiązania kognitywnego – musimy tu określić ilość i rodzaj danych, odpowiadających zdefiniowanemu zadaniu Machine Learning’owemu. W przypadku braku danych pozwalających na wykonanie postawionego zadania, wspólnie z klientem zastanawiamy się nad przedefiniowaniem celu projektu, bądź tego strategią pozyskania potrzebnych danych.

Skontaktuj się z nami

Etap II

Zrozumienie Danych

Pojęcie badań eksploracyjnych jest bardzo szerokie, jak i jego zastosowania. Często mówi się, że jest to pierwszy krok w procesie Data Science, z drugiej strony jest on bardzo iteracyjny i do samej eksploracji często się powraca.
Zasadniczo EDA służy poznaniu i zrozumieniu danych, przed dokonaniem co do nich założeń, lub w celu ich weryfikacji – sama informacja o błędności założeń, może być dla biznesu kluczowa. W kontekście Machine Learningu, EDA pozwala na tworzenie wiarygodnych modeli, dopasowanych do natury i rodzaju danych.

To właśnie poczas analizy eksploracyjnej, typujemy brakujące dane, spostrzegamy anomalie, dokonujemy analizy jedno i dwuzmiennej oraz przeprowadzamy szereg wizualizacji, pozwalających na łatwą komunikacje z biznesem.

Skontaktuj się z nami

Etap III

Akwizycja Danych

Zebranie danych i ich przetworzenie do postaci odpowiedniej do eksploracji oraz modelowania może być trywialne, gdy mówimy o jednym źródle danych, ale na ogół stykamy się z wieloma źródłami danych, o różnych formatach, które musimy sprowadzić do wspólnego mianownika. Możemy też mówić o całym procesie akwizycji danych, rozłożonym na dłuższy okres czasowy, który również wymaga oddzielnego rozwiązania kognitywnego lub działań związanych z manualną adnotacją. Również w tym etapie można mówić o tworzeniu zbioru danych mającego pomóc w osiągnięciu celu biznesowego.

Skontaktuj się z nami

Etap IV

Modelowanie

Gdy po badanich eksploracyjnych rozumiemy dane i jesteśmy przekonani co do poprawności hipotezy biznesowej, możemy zająć się modelowaniem. Model może służyć klasyfikacji (kampania marketingowa skuteczna/nieskuteczna), regresji (estymowana wartość nieruchomości) czy klasteryzacji (jakie mamy grupy klientów). Bez względu na zadanie, musimy odpowiedzieć sobie na pytanie dot. cechy/atrybutów – które są najważniejsze? Może będzie należało wybrać ich podzbiór (feature selection), a może stworzyć nowe cechy na bazie istniejących (feature engineering). Sprawnie przeprowadzone badania eksploracyjne pomogą nam obrać stosowny kierunek. W zależności od zadania oraz rodzaju cech, dokonujemy wyboru modelu, lub wielu modeli, które łączymy w jeden. W końcu, nawet jeśli uzyskany model daje dobre wyniki np. predykcji, to klienci mają prawo domagać się informacji, na jakiej podstawie podejmuje on takie, a nie inne decyzje. Temat ten określany jest diagnostyką, interpretacją, czy unblackboxingiem modeli. Wychodząc na przeciw oczekiwaniom klientów, diagnostyka jest nieodłącznym elementem naszych prac dot. modelowania.

Skontaktuj się z nami

Etap V

Wdrożenie

Zgodnie z dobrymi praktykami, tworzony jest system telemetryczny, pozwalający na monitoring modelu, by na bieżąco raportować jego działanie i rozwiązywać potencjalne problemy.

Skontaktuj się z nami

Nie czekaj!

Już teraz zapraszamy do kontaktu.