WEBVTT

00:00:00.260 --> 00:00:03.735
• 資料科學生活
週期很有意義。

00:00:03.735 --> 00:00:05.400
現在我知道我想定義

00:00:05.400 --> 00:00:08.235
我的問題之前, 我做任何事情。

00:00:08.235 --> 00:00:11.310
因此,我的應用是基於服務的應用程式。

00:00:11.310 --> 00:00:14.205
這意味著這取決於
不僅使用數據,

00:00:14.205 --> 00:00:17.670
但也外部因素
喜歡天氣和日期。

00:00:17.670 --> 00:00:20.640
例如,人們
租自行車可能

00:00:20.640 --> 00:00:24.150
看起來非常不同
假期相比,工作日。

00:00:24.150 --> 00:00:25.740
我知道我想用

00:00:25.740 --> 00:00:27.945
匿名數據,
我收集了我的應用程式,

00:00:27.945 --> 00:00:31.800
以及外部因素
喜歡日期和天氣, 使

00:00:31.800 --> 00:00:34.020
更明智的決定如何

00:00:34.020 --> 00:00:37.065
我把我的
自行車在城市周圍。

00:00:37.065 --> 00:00:39.480
我知道這
初步分析,

00:00:39.480 --> 00:00:41.895
我們今天做的只是第一步。

00:00:41.895 --> 00:00:43.940
我要採取
我學到什麼, 我

00:00:43.940 --> 00:00:46.100
要改善什麼資料我

00:00:46.100 --> 00:00:48.290
收集和什麼問題,我

00:00:48.290 --> 00:00:51.920
問, 這樣我就可以更多
在我的應用程式中成功。

00:00:51.920 --> 00:00:54.455
那麼,對我來說,成功是什麼樣的呢?

00:00:54.455 --> 00:00:58.105
嗯,對我來說,這意味著更多
人們租自行車。

00:00:58.105 --> 00:01:00.560
現在我可以花更多的錢

00:01:00.560 --> 00:01:02.180
行銷, 但另一種方式做

00:01:02.180 --> 00:01:04.115
這是確保
我的庫存,

00:01:04.115 --> 00:01:07.525
我的自行車, 在右邊
在正確的時間。

00:01:07.525 --> 00:01:09.800
現在,這是一個相當複雜的矩陣,

00:01:09.800 --> 00:01:13.340
所以,讓我們撥下來
多一點, 專注於

00:01:13.340 --> 00:01:18.020
我可能需要多少輛自行車
在未來一小時內,

00:01:18.020 --> 00:01:21.160
或一天,甚至幾分鐘。

00:01:21.160 --> 00:01:23.565
所以,這將是我的問題。

00:01:23.565 --> 00:01:25.760
我想預測如何
許多自行車將

00:01:25.760 --> 00:01:28.595
租在未來一小時
在某個地方

00:01:28.595 --> 00:01:30.710
那麼也許我可以移動我的庫存

00:01:30.710 --> 00:01:33.760
該地區和更多
自行車將被出租。

00:01:33.760 --> 00:01:35.970
看起來我有

00:01:35.970 --> 00:01:39.015
一個很好的把握我的
業務理解。

00:01:39.015 --> 00:01:41.600
我真的不想搞砸
我的數據還挺的。

00:01:41.600 --> 00:01:43.610
我想得到一個初步的分析

00:01:43.610 --> 00:01:45.830
和理解
先發生了什麼

00:01:45.830 --> 00:01:48.340
因此,下一步是
將是建模。

00:01:48.340 --> 00:01:50.360
然後,我想嘗試部署

00:01:50.360 --> 00:01:52.280
這作為 Web 服務
因為我想試試

00:01:52.280 --> 00:01:54.260
在野外,看看我能否使

00:01:54.260 --> 00:01:57.260
任何預測和
改善這種加班。

00:01:57.260 --> 00:01:59.120
因此,讓我們檢查回來

00:01:59.120 --> 00:02:01.010
弗朗西斯卡,以便我們可以
多學習一點

00:02:01.010 --> 00:02:03.230
關於機器學習
模型,也許找到

00:02:03.230 --> 00:02:06.570
出哪一個我們應該
用於我們的問題。