How to Data in Datathons

要約

データまたはデータ サイエンス ハカソンとも呼ばれるデータソンの台頭により、短期間でコラボレーション、学習、革新を行うためのプラットフォームが提供されました。
潜在的な大きな利点にもかかわらず、組織は、発生する可能性のある潜在的な問題に対する明確なガイドラインやベスト プラクティスが欠如しているため、データを効果的に扱うのに苦労することがよくあります。
2016 年以来、60 を超えるパートナーシップ組織と協力して 80 を超えるデータソン チャレンジを組織してきた私たち自身の経験と洞察に基づいて、主催者がデータ関連の複雑なデータソンに対処するためのリソースとして機能するガイドラインと推奨事項を提供しています。
私たちが提案したフレームワークを 10 件のケーススタディに適用します。

要約(オリジナル)

The rise of datathons, also known as data or data science hackathons, has provided a platform to collaborate, learn, and innovate in a short timeframe. Despite their significant potential benefits, organizations often struggle to effectively work with data due to a lack of clear guidelines and best practices for potential issues that might arise. Drawing on our own experiences and insights from organizing >80 datathon challenges with >60 partnership organizations since 2016, we provide guidelines and recommendations that serve as a resource for organizers to navigate the data-related complexities of datathons. We apply our proposed framework to 10 case studies.

arxiv情報

著者 Carlos Mougan,Richard Plant,Clare Teng,Marya Bazzi,Alvaro Cabregas Ejea,Ryan Sze-Yin Chan,David Salvador Jasin,Martin Stoffel,Kirstie Jane Whitaker,Jules Manser
発行日 2023-09-19 15:44:27+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI パーマリンク