در این فصل، کشف خواهید کرد که چه چیزی علم داده را جذاب می‌کند، با مفهوم متدولوژی علم داده آشنا می‌شوید و درک می‌کنید که چرا دانشمندان داده به متدولوژی علم داده نیاز دارند. سپس، دانش عمیق‌تری در مورد دو مرحله اول متدولوژی علم داده به دست خواهید آورد: درک کسب‌وکار و رویکرد تحلیلی.

شما نحوه‌ی شناسایی ملاحظات و مراحل مورد نیاز برای تعریف الزامات داده برای طبقه‌بندی با درخت تصمیم در مرحله الزامات داده را کشف خواهید کرد. در ادامه، با فرآیندها و تکنیک‌هایی که دانشمندان داده برای ارزیابی محتوای داده، کیفیت، و بینش‌های اولیه استفاده می‌کنند و همچنین نحوه‌ی مدیریت شکاف‌های داده توسط دانشمندان داده آشنا خواهید شد. این فصل را با کسب تجربه عملی در مورد نحوه‌ی رویکرد به وظایف مرحله درک کسب‌وکار و رویکرد تحلیلی و همچنین وظایف مرحله الزامات داده و گردآوری برای هر مسئله‌ی علم داده تکمیل کنید.

در این فصل، با کارهایی که دانشمندان داده در هنگام درک، آماده‌سازی و پاکسازی داده انجام می‌دهند، آشنا خواهید شد. اهداف، ویژگی‌ها و اهداف فرآیند مدل‌سازی داده را بررسی خواهید کرد. همچنین نحوه‌ی آماده‌سازی مجموعه داده با رسیدگی به داده‌های گم‌شده، نامعتبر یا گمراه‌کننده را یاد خواهید گرفت. سپس آزمایشگاه‌های عملی را ببینید که در آن‌ها می‌توانید تجربه‌ی تکمیل وظایف مرتبط با مراحل درک داده، آماده‌سازی داده و مدل‌سازی و ارزیابی را به دست آورید. شما قادر خواهید بود مهارت‌هایی را که یاد می‌گیرید، در مسائل آتی علم داده به کار ببرید.

وقتی این فصل را به پایان برسانید، قادر خواهید بود مراحل دیپلوی و بازخورد متدولوژی علم داده را شرح دهید. نحوه‌ی ارزیابی عملکرد، تأثیر و آمادگی یک مدل داده را یاد خواهید گرفت. قادر خواهید بود ذی‌نفعانی را که معمولاً در بهبود مدل مشارکت می‌کنند، شناسایی کنید. همچنین می‌توانید توضیح دهید که چرا دیپلوی و بازخورد باید یک فرآیند تکرارشونده باشد.

قبل از تکمیل پروژه‌ی نهایی خود، نحوه‌ی مقایسه‌ی متدولوژی علم داده CRISP-DM با متدولوژی بنیادی علم داده جان رولینز را بیاموزید. سپس، آموخته‌های خود را برای تکمیل یک کار ارزیابی‌شده توسط همکاران با استفاده از متدولوژی علم داده CRISP-DM برای حل یک مسئله‌ی کسب‌وکار که خودتان تعریف می‌کنید، به کار ببرید. ابتدا هم نقش مشتری و هم نقش دانشمند داده را بر عهده بگیرید و نحوه‌ی اعمال متدولوژی علم داده CRISP-DM برای حل مسئله‌ی کسب‌وکار را شرح دهید. سپس، نقش یک دانشمند داده را بر عهده بگیرید و دانش خود را در مورد مراحل متدولوژی داده CRISP-DM برای توصیف نحوه‌ی حل مسئله‌ی کسب‌وکار به کار ببرید.