Con il costante fermento attorno a nuovi strumenti e modelli all’avanguardia, è facile perdere di vista una verità fondamentale: il vero valore nello sfruttamento dei dati risiede nella loro capacità di apportare cambiamenti positivi e tangibili. Che si tratti di decisioni aziendali complesse o della nostra routine quotidiana, le soluzioni basate sui dati sono efficaci quanto l’impatto che hanno nel mondo reale.
Per aiutarti a imparare a collegare i punti in modo più efficace e per ispirarti a provare nuovi approcci, abbiamo raccolto alcuni dei nostri recenti articoli preferiti che presentano una forte prospettiva di risoluzione dei problemi. Coprono un’ampia gamma di casi d’uso, da quelli strategici a quelli estremamente personali, ma condividono una visione pragmatica e orientata ai dettagli sul ruolo dei dati nelle nostre vite. Godere!
- Esplorare il time-to-event con l’analisi della sopravvivenza
In un’introduzione accessibile all’analisi della sopravvivenza, Olivia Tanuwidjaja copre alcuni dei concetti e delle tecniche essenziali su cui si basa e mostra come questo approccio può essere applicato a un ampio spettro di problemi, dal campo medico alla previsione della manutenzione e all’analisi dei clienti. - In che modo un albero decisionale riconosce la migliore domanda successiva da porre dai dati?
Alcuni professionisti del machine learning potrebbero considerare basilari i compiti di classificazione binaria, ma la loro utilità è rimasta costante anche se negli ultimi anni sono emerse tecniche più complesse. Per aiutarti a iniziare, Gurjinder Kaur recentemente ho condiviso un manuale sugli alberi decisionali adatto ai principianti; spiega in grande dettaglio come funzionano nel contesto di un modello addestrato per prevedere se un dato pesce ha più probabilità di essere tonno o salmone.
- Statistiche sulla mia vita: ho monitorato le mie abitudini per un anno e questo è ciò che ho imparato
Per il suo debutto in TDS, Pau Blasco e Roca presenta un progetto della durata di un anno che si trova all’intersezione tra l’analisi dei dati e il cosiddetto sé quantificato. Pau monitora le sue attività quotidiane da 332 giorni e mostra come è possibile trarre spunti significativi anche da dati che a prima vista potrebbero sembrare banali. - Metodi per modellare il valore della vita del cliente: le cose buone e i trucchi
Per i data scientist del settore, il calcolo del valore della vita del cliente è un obiettivo comune, che diventa sempre più complicato quanto più si approfondiscono le operazioni di un’azienda. Caterina MunroLa guida pratica e completa di CLV offre la chiarezza necessaria su questo argomento e delinea le varie opzioni di modellazione a tua disposizione, inclusi i rispettivi punti di forza e limiti. - Miglioramento del registro degli allenamenti Strava
Se sei un maratoneta, e anche se non lo sei, non vorrai perdertelo barrysmyth, in cui ci guida attraverso l’intero processo di download, analisi e visualizzazione del suo registro di allenamento Strava. È una lettura particolarmente utile perché si concentra sul fare un salto di successo da “ecco un sacco di dati sulla corsa!” a “ecco come utilizzare i dati per correre una gara migliore”.
Fonte: towardsdatascience.com
