Warum 85% aller Data Science Projekte scheitern und was man dagegen tun kann

AI for Business

#11 mit Philipp Paraguya von INFOMOTION

Gast: Philipp Paraguya (https://www.linkedin.com/in/philipp-paraguya-7420a087/) von INFOMOTION (https://www.infomotion.de ) Host: Fabian Merkel ( https://www.linkedin.com/in/fabian-merkel/) Best Practices: CRISP-DM (http://bit.ly/31I9KEy) Studienübersicht: Failure rates for analytics, AI, and big data projects = 85% – yikes! (http://bit.ly/2w3groU) Buch: Data Science for Business, by Foster Provost and Tom Fawcett, (http://bit.ly/2UDbnSy)

فصل ها

1. Intro (00:00:00)

2. Warum ist Erwartungsmanagement bei Data Science Projekten relevant? (00:02:59)

3. Warum scheitern Data Science Projekte? (00:06:37)

4. Wie kann man die Erfolgschancen eines Data Science Projektes erhöhen? (00:11:46)

5. Wie reagiere ich auf unterschiedliche Erwartungshaltungen? (00:14:46)

6. Wie setze ich ein Data Science Projekt richtig auf? (00:21:44)

7. Warum sollte man Data Science Projekt frühzeitig stoppen? (00:26:11)

8. Warum sollten Best Practices implementiert werden? (00:28:23)

9. Welches Mindset sollte man bei Data Science Projekten haben? (00:29:03)

10. Welches Buch empfiehlt Philipp? (00:31:33)