🚀 Переход на новую фазу CRISP-DM: этап моделирования в действии!
Всем привет, коллеги! Сегодня речь пойдет о том, как мы переходим к этапу моделирования в процессе CRISP-DM — ключевому шагу, где теория превращается в работающую ML-модель.

Что такое этап моделирования?
Это фаза, где ML-инженеры создают и обучают модели, используя данные и знания из предыдущих этапов (например, обработанные данные из Data Preparation ). Цель — научить машину решать задачу без явного программирования , опираясь на исторические данные.

Задачи ML-инженера на этом этапе:
1️⃣ Определить метрику качества :
* Как измерить, насколько хорошо модель работает?
Примеры: accuracy для классификации, RMSE для регрессии или F1-score для несбалансированных данных.
Важно : метрика должна отражать бизнес-цель (например, уменьшение оттока клиентов или повышение конверсии).

2️⃣ Выбрать метод обучения :
➖Линейные модели, деревья решений, нейронные сети или ensemble-методы?
➖Зависит от типа задачи (классификация, регрессия, кластеризация) и особенностей данных.

3️⃣ Обучить модель :
➖Используем данные из предыдущих этапов, разбиваем их на обучающую и тестовую выборки.
➖Настройка гиперпараметров (например, глубину дерева или скорость обучения).

4️⃣ Проверить качество :
➖Вычисляем выбранную метрику на тестовой выборке.
➖Если результат не устраивает — возвращаемся к шагу 2 или 3 (итеративный процесс!).

5️⃣ Выбрать лучшую модель :
➖Сравниваем варианты и выбираем ту, которая лучше всего соответствует критериям качества.

ML-инженер vs. Data-аналитик: в чем разница?
Data-аналитик :
➖Работает с бизнес-метриками, создает дашборды и отчеты.
➖Отвечает на вопросы: «Почему клиенты уходят?» или «Как изменится прибыль?» .
Результат: предиктивные модели или визуализации для принятия решений.

ML-инженер :
➖Фокусируется на технической реализации: детектирование аномалий, сегментация или предсказание.
➖Создает готовые ML-модели , которые интегрируются в приложения или системы.
Результат: рабочая модель , которая решает конкретную задачу (например, рекомендательная система).

#CRISP_DM #ML_ENGINEERING #DATA_SCIENCE