
- 敏捷数据科学教程
- 敏捷数据科学 - 首页
- 敏捷数据科学 - 简介
- 方法论概念
- 敏捷数据科学 - 流程
- 敏捷工具及安装
- 敏捷中的数据处理
- SQL 与 NoSQL
- NoSQL 与数据流编程
- 收集和显示记录
- 数据可视化
- 数据丰富
- 使用报表
- 预测的作用
- 使用 PySpark 提取特征
- 构建回归模型
- 部署预测系统
- 敏捷数据科学 - SparkML
- 修复预测问题
- 改进预测性能
- 利用敏捷和数据科学创造更好的场景
- 敏捷的实施
- 敏捷数据科学有用资源
- 敏捷数据科学 - 快速指南
- 敏捷数据科学 - 资源
- 敏捷数据科学 - 讨论
敏捷数据科学 - 敏捷的实施
敏捷开发过程中使用了各种方法论。这些方法论也可以应用于数据科学研究流程。
下面给出的流程图显示了不同的方法论:

Scrum
在软件开发方面,Scrum 指的是使用小型团队管理工作以及管理特定项目以揭示项目的优势和劣势。
水晶方法论
水晶方法论包括用于产品管理和执行的创新技术。使用此方法,团队可以以不同的方式执行类似的任务。水晶家族是最易于应用的方法论之一。
Learn Data Science in-depth with real-world projects through our Data Science certification course. Enroll and become a certified expert to boost your career.
动态软件开发方法
此交付框架主要用于在软件方法论中实施当前的知识体系。
未来驱动开发
此开发生命周期的重点是项目中涉及的特性。它最适合于领域对象建模、代码和特性开发以实现所有权。
精益软件开发
此方法旨在以低成本提高软件开发速度,并专注于为客户提供特定价值。极限编程
极限编程是一种独特的软件开发方法论,专注于提高软件质量。当客户不确定任何项目的的功能时,这将变得有效。
敏捷方法论正在数据科学领域扎根,它被认为是重要的软件方法论。通过敏捷的自我组织,跨职能团队可以有效地协同工作。如前所述,敏捷开发有六个主要类别,每个类别都可以根据需要与数据科学结合。数据科学涉及一个用于统计洞察的迭代过程。敏捷有助于分解数据科学模块,并有助于以有效的方式处理迭代和冲刺。
敏捷数据科学的过程是了解数据科学模块如何以及为何实施的一种绝佳方式。它以创造性的方式解决问题。
广告