Az „Egy Data Science Projekt Lépésről Lépésre (Üzleti Gondolkodás + Tech Oldal)” előadás abban segít, hogy ne csak technikailag tudd összerakni a folyamatot, hanem azt is értsd, mitől lesz egy projekt valóban hasznos az üzlet számára. Nagy-Rácz István (senior data scientist @dmlab) konkrét példákon keresztül vezet végig a teljes úton: a probléma pontos megértésétől az adatok előkészítésén és a modellezésen át egészen a bevezetésig és a monitorozásig. Olyan szemléletet és gyakorlati kapaszkodókat kapsz, amelyek segítenek elkerülni a tipikus félrecsúszásokat, jobban priorizálni a projektlépéseket, és megalapozottabb, eredményesebb adatvezérelt döntéseket hozni.
Milyen főbb témákról van szó az előadásban?
- Mit jelent a siker data science-ben: miért nem (csak) a modellpontosság számít, hanem az, hogy mérhető üzleti eredmény szülessen.
- 6 indulási feltétel a projekt elején: van-e elég adat (sor/oszlop), tisztítható-e, reprezentatív-e, mérhető-e a várható haszon, és lesz-e, aki akcióvá tudja fordítani az eredményt.
- Hogyan kerüld el a „ráengedjük a modellt az adatra” csapdát: miért érdemes az üzlet megértésével kezdeni (célok, helyzetértékelés, adatelemzési célra fordítás).
- Valós példák tipikus félrecsúszásokra: amikor a modell rangsorol, de az operáció úgyis mindenkit felhív; vagy amikor adatok nélkül irreális elvárás kerülne szerződésbe.
- A CRISP-DM keretrendszer lépései a gyakorlatban: üzletmegértés → adatmegértés → adatelőkészítés → modellezés → üzleti kiértékelés és interpretáció → deployment és monitorozás.
- Adatelőkészítés és értékelés konkrét fogásai: baseline modell, időbeli split, profitgörbe, A/B teszt gondolkodás, és miért „jár le” minden modell idővel.
