در حالی که لیندزی وون، دارنده مدال طلای المپیک و کارآفرین مطمئناً در دومینوپالوزا 2020 قرعه‌کشی بزرگی خواهد داشت، ممکن است سخنرانی اصلی او چیزی نباشد که گروهی از شرکت‌کنندگان بیشتر منتظر آن هستند.
به این دلیل که برای دانشمندان داده، کنفرانس سالانه کاربران ما همیشه پر از جلساتی است که می‌تواند به آنها کمک کند وظایف خود را بهتر انجام دهند.
امسال نیز از این قاعده مستثنی نیست. باز هم، جلسات روشنگرانه زیادی برای دانشمندان داده وجود خواهد داشت که می توانند از بین آنها انتخاب کنند. البته همه چیز ارزش بررسی دارد. اما برای اختصار، سه مورد را در اینجا بیان کردم.
زمانی که داده های واقعی با نظریه علمی مطابقت ندارند
(19 مارس، 14:15)
Titan America LLC از Domo برای ساخت مدل‌های پیش‌بینی استفاده می‌کند که از نظر دقت و قدرت توضیحی از پیشرفته‌ترین فناوری‌ها پیشی گرفته‌اند.
اما گاهی اوقات حتی بهترین مدل‌های علم داده می‌توانند در یک محیط تولید علم داده از انتظارات کمتری برخوردار باشند.
بیاموزید که چگونه یکی از تولیدکنندگان پیشرو سیمان و مصالح ساختمانی کشور اکنون از Domo برای پیشبرد مدل‌های علمی در مورد داده‌های تولید استفاده می‌کند تا بینش‌هایی را در دنیای واقعی ایجاد کند که محصولات خود را بهبود می‌بخشد.
دیوید بریدر و نوآ اریکسون از Titan America LLC در مورد فرآیند علمی که برای توسعه مدل‌ها استفاده می‌کنند – از جمله اینکه چگونه روابط میانجی و تعدیل‌کننده را در داده‌های خود شناسایی می‌کنند که در غیر این صورت نتایج گمراه‌کننده ایجاد می‌کنند، بحث خواهند کرد.
آنها همچنین خط لوله علم داده خود را نشان خواهند داد، از جمله هشدارهای پاکسازی داده ها، مقایسه مدل های متعدد، داشبوردهای کاربر نهایی و اقدامات مرحله بعدی تجویز شده برای بهبود تولید سیمان.
همکاری با Domo برای موفقیت در علم داده
(18 مارس، ساعت 2 بعد از ظهر)
در این جلسه، نرم افزار Asure تجربه خود را در شروع کار با علم داده به اشتراک می گذارد.
راه‌حل‌ساز مدیریت سرمایه انسانی (HCM) بینش‌های فنی و تجاری را در مورد اینکه چگونه با شروع سفر علم داده‌تان به سمت راست حرکت کنید، ارائه می‌دهد.
برای دانشمندان داده پیشرفته، بروس هریس Asure و Ulises Gonzalez-Guerra نحوه استفاده از Domo's Data Science Suite را برای استقرار اسکریپت های سفارشی که پروفایل های داده جامع را در عرض چند دقیقه ایجاد می کنند، نشان می دهند.
به این ترتیب، پروفایل داده و تمیز کردن – فرآیندی که اغلب به تعهد زمانی قابل توجهی نیاز دارد – می تواند به سرعت، به طور خودکار و به گونه ای انجام شود که از خط لوله علم داده شما پشتیبانی کند.
در نهایت، بروس و یولیس به مخاطب نشان می‌دهند که چگونه بازگشت سرمایه را محاسبه می‌کنند تا سرمایه‌گذاری‌ها و اولویت‌های علم داده خود را تعیین کنند.
نام‌ها و مکان‌های جدال داده‌ها با کاشی‌های اسکریپت یا R Plug-In
(18 مارس، ساعت 15)
رندستاد یک شرکت مشاوره منابع انسانی چندملیتی هلندی است که بر توسعه یک سری داده های علمی عمیق قبل از ارزیابی مدل های پیش بینی تمرکز می کند.
توسعه شرکت ساختار داده‌ها و بهترین شیوه‌های مهندسی ویژگی را در ارتباط با موارد استفاده آنها در نظر می‌گیرد و از آنها استفاده می‌کند.
نسخه ی نمایشی Randstad نحوه استفاده از Domo's Data Science Suite برای ساختار داده های طبقه بندی شده، استفاده از نقشه برداری فازی برای ادغام مجموعه داده ها، و روش های جدید برای نمایش داده های مکان در چارچوب مدل سازی علم داده را برجسته می کند.
برای مشاهده لیست کامل جلسات شکست برای Domopalooza 2020، کلیک کنید اینجا. برای ثبت نام در رویداد به اینجا.