WEBVTT

00:00:00.260 --> 00:00:03.735
- Наука о данных
цикл сделал много смысла.

00:00:03.735 --> 00:00:05.400
Теперь я знаю, что я хочу определить

00:00:05.400 --> 00:00:08.235
моя проблема, прежде чем делать что-нибудь еще.

00:00:08.235 --> 00:00:11.310
Так что мое приложение является сервисным приложением.

00:00:11.310 --> 00:00:14.205
Это означает, что это зависит от
не только на данные об использовании,

00:00:14.205 --> 00:00:17.670
но также внешние факторы
как погода и дата.

00:00:17.670 --> 00:00:20.640
Например, как люди
аренда велосипедов может

00:00:20.640 --> 00:00:24.150
выглядят совсем по-другому на
праздник по сравнению с рабочим днем.

00:00:24.150 --> 00:00:25.740
Я знаю, что я хочу использовать

00:00:25.740 --> 00:00:27.945
анонимные данные,
Я собрал свое приложение,

00:00:27.945 --> 00:00:31.800
а также внешние факторы,
как дата и погода, чтобы сделать

00:00:31.800 --> 00:00:34.020
более информированные решения о том, как

00:00:34.020 --> 00:00:37.065
и где я помещаю мои
велосипеды по городу.

00:00:37.065 --> 00:00:39.480
Я знаю, что это
первоначальный анализ, который

00:00:39.480 --> 00:00:41.895
мы делаем сегодня это только первый шаг.

00:00:41.895 --> 00:00:43.940
Я собираюсь взять
то, что я узнаю, и я

00:00:43.940 --> 00:00:46.100
собирается улучшить то, что данные я

00:00:46.100 --> 00:00:48.290
собирать и какие вопросы я

00:00:48.290 --> 00:00:51.920
спросить, чтобы я мог быть больше
успешным в моем приложении.

00:00:51.920 --> 00:00:54.455
Так как же успех выглядит для меня?

00:00:54.455 --> 00:00:58.105
Ну, для меня это значит больше
люди, арендующие велосипеды.

00:00:58.105 --> 00:01:00.560
Теперь я мог бы потратить гораздо больше денег на

00:01:00.560 --> 00:01:02.180
маркетинг, но еще один способ сделать

00:01:02.180 --> 00:01:04.115
то есть, чтобы убедиться,
что мой инвентарь,

00:01:04.115 --> 00:01:07.525
мои велосипеды, находятся в праве
место в нужное время.

00:01:07.525 --> 00:01:09.800
Это довольно сложная матрица,

00:01:09.800 --> 00:01:13.340
так что давайте набери его вниз
немного больше и сосредоточиться на

00:01:13.340 --> 00:01:18.020
сколько велосипедов я, возможно, потребуется в
определенной области в течение следующего часа,

00:01:18.020 --> 00:01:21.160
или день, или даже несколько минут.

00:01:21.160 --> 00:01:23.565
Так что это будет мой вопрос.

00:01:23.565 --> 00:01:25.760
Я хочу предсказать, как
многие велосипеды будут

00:01:25.760 --> 00:01:28.595
арендованный в течение следующего часа
в определенном месте,

00:01:28.595 --> 00:01:30.710
то, может быть, я могу переместить мой инвентарь в

00:01:30.710 --> 00:01:33.760
этой области и более
велосипеды будут арендованы.

00:01:33.760 --> 00:01:35.970
Так что, похоже, у меня есть

00:01:35.970 --> 00:01:39.015
довольно хорошее понимание моего
понимание бизнеса.

00:01:39.015 --> 00:01:41.600
Я действительно не хочу, чтобы беспорядок
с моими данными совсем еще.

00:01:41.600 --> 00:01:43.610
Я хочу получить первоначальный анализ

00:01:43.610 --> 00:01:45.830
и понимание
что происходит в первую очередь.

00:01:45.830 --> 00:01:48.340
Следующим шагом будет
будет моделирование.

00:01:48.340 --> 00:01:50.360
Тогда я хочу, чтобы попытаться развернуть

00:01:50.360 --> 00:01:52.280
это как веб-сервис
потому что я хочу попробовать

00:01:52.280 --> 00:01:54.260
в дикой природе и посмотреть, если я могу сделать

00:01:54.260 --> 00:01:57.260
любые прогнозы и
улучшить это сверхурочное время.

00:01:57.260 --> 00:01:59.120
Так что давайте проверить обратно с

00:01:59.120 --> 00:02:01.010
Франческа, чтобы мы могли
узнать немного больше

00:02:01.010 --> 00:02:03.230
о машинном обучении
модели и, возможно, найти

00:02:03.230 --> 00:02:06.570
из которых мы должны
для нашей проблемы.