WEBVTT

00:00:00.260 --> 00:00:03.735
>> Życie do nauki o danych
cykl miał duży sens.

00:00:03.735 --> 00:00:05.400
Teraz wiem, że chcę zdefiniować

00:00:05.400 --> 00:00:08.235
mój problem, zanim zrobię cokolwiek innego.

00:00:08.235 --> 00:00:11.310
Moja aplikacja jest więc aplikacją opartą na usługach.

00:00:11.310 --> 00:00:14.205
Oznacza to, że zależy to od
nie tylko na danych użytkowania,

00:00:14.205 --> 00:00:17.670
ale także czynniki zewnętrzne
jak pogoda i data.

00:00:17.670 --> 00:00:20.640
Na przykład, w jaki sposób ludzie
wypożyczyć rowery może

00:00:20.640 --> 00:00:24.150
wyglądają zupełnie inaczej na
w porównaniu z dnia roboczego.

00:00:24.150 --> 00:00:25.740
Wiem, że chcę używać

00:00:25.740 --> 00:00:27.945
zanonimizowane dane, które
Zebrałem moją aplikację,

00:00:27.945 --> 00:00:31.800
jak również czynniki zewnętrzne
jak data i pogoda, aby

00:00:31.800 --> 00:00:34.020
bardziej świadomych decyzji o tym, jak

00:00:34.020 --> 00:00:37.065
i gdzie umieszczam
rowerów po mieście.

00:00:37.065 --> 00:00:39.480
Wiem, że
wstępna analiza, która

00:00:39.480 --> 00:00:41.895
dziś robimy to tylko pierwszy krok.

00:00:41.895 --> 00:00:43.940
Wezmę
czego się uczę i jestem

00:00:43.940 --> 00:00:46.100
poprawi to, jakie dane

00:00:46.100 --> 00:00:48.290
zbierać i jakie pytania

00:00:48.290 --> 00:00:51.920
zapytaj, abym mógł być bardziej
w mojej aplikacji.

00:00:51.920 --> 00:00:54.455
Więc jak wygląda dla mnie sukces?

00:00:54.455 --> 00:00:58.105
Cóż, dla mnie oznacza to więcej
osób wypożycza rowery.

00:00:58.105 --> 00:01:00.560
Teraz mógłbym wydać dużo więcej pieniędzy na

00:01:00.560 --> 00:01:02.180
marketingu, ale inny sposób na

00:01:02.180 --> 00:01:04.115
to jest upewnienie się, że
że mój ekwipunek,

00:01:04.115 --> 00:01:07.525
moje rowery, są po prawej stronie
w odpowiednim czasie.

00:01:07.525 --> 00:01:09.800
To dość złożona matryca,

00:01:09.800 --> 00:01:13.340
więc wybierzmy go w dół
trochę więcej i skupić się na

00:01:13.340 --> 00:01:18.020
ile rowerów może potrzebuję w
pewnego obszaru w ciągu najbliższej godziny,

00:01:18.020 --> 00:01:21.160
dzień, lub kilka minut nawet.

00:01:21.160 --> 00:01:23.565
To będzie moje pytanie.

00:01:23.565 --> 00:01:25.760
Chcę przewidzieć, w jaki sposób
wiele rowerów będzie

00:01:25.760 --> 00:01:28.595
wynajęty w ciągu najbliższej godziny
w określonym miejscu,

00:01:28.595 --> 00:01:30.710
wtedy może uda mi się przenieść ekwipunek do

00:01:30.710 --> 00:01:33.760
tego obszaru i więcej
rowery będą wypożyczane.

00:01:33.760 --> 00:01:35.970
Wygląda więc na to, że mam

00:01:35.970 --> 00:01:39.015
całkiem dobre zrozumienie mojego
zrozumienia biznesowego.

00:01:39.015 --> 00:01:41.600
Naprawdę nie chcę bałagan
z moimi danymi.

00:01:41.600 --> 00:01:43.610
Chcę uzyskać wstępną analizę

00:01:43.610 --> 00:01:45.830
i zrozumienia
co się dzieje w pierwszej kolejności.

00:01:45.830 --> 00:01:48.340
Kolejnym krokiem jest
będzie modelowanie.

00:01:48.340 --> 00:01:50.360
Następnie chcę spróbować wdrożyć

00:01:50.360 --> 00:01:52.280
to jako usługa internetowa
ponieważ chcę spróbować

00:01:52.280 --> 00:01:54.260
na wolności i zobacz, czy mogę zrobić

00:01:54.260 --> 00:01:57.260
wszelkie prognozy i
poprawić tę pracę w godzinach nadliczbowych.

00:01:57.260 --> 00:01:59.120
Zameldujmy się więc

00:01:59.120 --> 00:02:01.010
Francesca, abyśmy mogli
dowiedz się trochę więcej

00:02:01.010 --> 00:02:03.230
o uczeniu maszynowym
modeli i może znaleźć

00:02:03.230 --> 00:02:06.570
na który z nich powinniśmy
wykorzystania dla naszego problemu.