WEBVTT

00:00:00.260 --> 00:00:03.735
"" Datové vědy life life
cyklus dával velký smysl.

00:00:03.735 --> 00:00:05.400
Teď vím, že chci definovat

00:00:05.400 --> 00:00:08.235
můj problém, než jsem udělat něco jiného.

00:00:08.235 --> 00:00:11.310
Takže moje aplikace je aplikace založená na službách.

00:00:11.310 --> 00:00:14.205
To znamená, že záleží na
nejen o údajích o používání,

00:00:14.205 --> 00:00:17.670
ale také vnější faktory
Jako počasí a datum.

00:00:17.670 --> 00:00:20.640
Například, jak lidé
pronájem kol může

00:00:20.640 --> 00:00:24.150
vypadají velmi odlišně na
dovolenou ve srovnání s pracovním dnem.

00:00:24.150 --> 00:00:25.740
Vím, že chci použít

00:00:25.740 --> 00:00:27.945
anonymizovaných údajů, které
Shromáždil jsem svou aplikaci,

00:00:27.945 --> 00:00:31.800
stejně jako vnější faktory
jako datum a počasí, aby se

00:00:31.800 --> 00:00:34.020
informovanější rozhodnutí o tom, jak

00:00:34.020 --> 00:00:37.065
a kam umístím své
kola po celém městě.

00:00:37.065 --> 00:00:39.480
Vím, že to
počáteční analýzy, která

00:00:39.480 --> 00:00:41.895
děláme dnes je jen první krok.

00:00:41.895 --> 00:00:43.940
Vezmu si
co se učím a jsem

00:00:43.940 --> 00:00:46.100
Chystáte se zlepšit, jaké údaje jsem

00:00:46.100 --> 00:00:48.290
shromažďovat a jaké otázky jsem

00:00:48.290 --> 00:00:51.920
zeptejte se, abych mohl být více
úspěšný v mé aplikaci.

00:00:51.920 --> 00:00:54.455
Jak mi tedy vypadá úspěch?

00:00:54.455 --> 00:00:58.105
No, pro mě to znamená víc
lidé, kteří si pronajímají kola.

00:00:58.105 --> 00:01:00.560
Teď bych mohl utratit mnohem více peněz na

00:01:00.560 --> 00:01:02.180
marketing, ale jiný způsob, jak to udělat

00:01:02.180 --> 00:01:04.115
to znamená, že se ujistíte,
že můj inventář,

00:01:04.115 --> 00:01:07.525
moje kola, jsou v právu
místo ve správný čas.

00:01:07.525 --> 00:01:09.800
To je dost složitá matrice.

00:01:09.800 --> 00:01:13.340
takže pojďme vytočit dolů
trochu víc a zaměřit se na

00:01:13.340 --> 00:01:18.020
kolik kolehů bych mohl potřebovat
v určité oblasti v příští hodině,

00:01:18.020 --> 00:01:21.160
nebo den, nebo dokonce několik minut.

00:01:21.160 --> 00:01:23.565
Takže to bude moje otázka.

00:01:23.565 --> 00:01:25.760
Chci předpovědět, jak
mnoho kol bude

00:01:25.760 --> 00:01:28.595
pronajaté v příští hodině
na určitém místě,

00:01:28.595 --> 00:01:30.710
pak možná mohu přesunout svůj inventář do

00:01:30.710 --> 00:01:33.760
v této oblasti a další
kola si pronajímají.

00:01:33.760 --> 00:01:35.970
Takže to vypadá, že mám

00:01:35.970 --> 00:01:39.015
docela dobrý přehled o mé
obchodní porozumění.

00:01:39.015 --> 00:01:41.600
Opravdu si nechci zahrávat.
s mými daty ještě docela.

00:01:41.600 --> 00:01:43.610
Chci získat počáteční analýzu

00:01:43.610 --> 00:01:45.830
a pochopení
Co se děje jako první.

00:01:45.830 --> 00:01:48.340
Takže dalším krokem je
Bude to modeling.

00:01:48.340 --> 00:01:50.360
Pak se chci pokusit nasadit

00:01:50.360 --> 00:01:52.280
to jako webová služba
protože chci to zkusit

00:01:52.280 --> 00:01:54.260
v divočině a uvidíme, jestli můžu udělat

00:01:54.260 --> 00:01:57.260
veškeré předpovědi a
tuto přesčas zlepšit.

00:01:57.260 --> 00:01:59.120
Takže se vraťme k

00:01:59.120 --> 00:02:01.010
Francesca, abychom mohli
dozvědět se trochu víc

00:02:01.010 --> 00:02:03.230
o strojovém učení
modely a možná najít

00:02:03.230 --> 00:02:06.570
z toho, který z nich bychom měli
použití pro náš problém.