Data Science Compilation

Apa kepanjangan dari CRISP-DM?

• Commonly Recognized Information System Process for Data Management
• Centralized Research for Information Systems and Process Data Mining
• Cross-Industry Standard Process for Data Mining
• Critical Research and Information System Process for Data Mining

Tahap pertama dalam proses CRISP-DM adalah:

• Building a data model
• Implementing the data mining process
• Developing a data understanding
• Understanding the business objectives and requirements

Dalam tahap Data Preparation pada CRISP-DM, aktivitas utama yang dilakukan adalah:

• Mengumpulkan data bisnis

• Membangun model prediktif

• Mengintegrasikan dan membersihkan data

• Mengevaluasi hasil model

Manakah yang termasuk dalam tahap Modeling dalam CRISP-DM?

• Menentukan tujuan bisnis

• Memilih teknik pemodelan yang sesuai

• Menyusun laporan akhir

• Memahami konteks bisnis

Tahap Evaluasi dalam CRISP-DM bertujuan untuk:

• Menentukan kelayakan bisnis dari model yang dikembangkan

• Mengubah data mentah menjadi data yang dapat digunakan

• Mengidentifikasi data yang relevan untuk analisis

• Mengimplementasikan model di lingkungan produksi

Pada tahap Deployment dalam CRISP-DM, aktivitas yang dilakukan adalah:

• Mengimplementasikan model ke lingkungan produksi
• Membuat model prediktif
• Menganalisis data
• Mengumpulkan data mentah

Dalam sains data, apakah yang dimaksud dengan 'overfitting'?

• Model yang tidak cukup kompleks untuk data

• Model yang terlalu sederhana dan tidak menangkap variasi data

• Model yang sangat kompleks sehingga hanya bekerja baik pada data latih

• Model yang mampu menangkap pola data dengan baik pada data latih dan uji

Metode validasi silang (cross-validation) dalam sains data digunakan untuk:

• Menentukan struktur data

• Memilih data yang akan digunakan dalam analisis

• Mengevaluasi kinerja model pada beberapa subset data

• Mengurangi dimensionalitas data

Tahap Business Understanding dalam CRISP-DM termasuk kegiatan:

• Menentukan tujuan proyek dan kebutuhan bisnis

• Membersihkan dan mengubah data

• Membangun model statistik

• Mengintegrasikan berbagai sumber data

Manakah dari berikut ini yang termasuk teknik prapemrosesan data dalam sains data? (Pilih semua yang benar)

• Normalisasi
  

• Encoding variabel kategorikal
  

• Pembagian data menjadi set latih dan set uji
  

• Pengambilan sampel acak