博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
20个问题揭穿冒牌数据科学家
阅读量:5844 次
发布时间:2019-06-18

本文共 1289 字,大约阅读时间需要 4 分钟。

如今数据科学家正式成为21世纪最性感的工作,人人都想来分一杯羹。

这也意味着会有一些冒牌货。这些人自称数据科学家,却不具有相应的技能。

这不见得是有意欺骗。数据科学是崭新的领域,目前对此岗位也缺乏被广泛认可的描述。这意味着许多人会认为自己是数据科学家,仅仅因为他们常跟数据打交道。

“冒牌数据科学家通常是某一个特定学科的专家,且坚信他们的学科才是唯一真正的数据科学。这种想法忽略了一个事实:数据科学是一整套科学工具与技术(数学,计算,视觉,分析,统计,试验,问题界定,模型建立与检验等)的集合,用于从数据收集中获得新发现、洞察与价值。”

--Kirk Borne,BoozAllen Hamilton 首席数据科学家

RocketDataScience.org创始人

为了帮助你区分真正的数据科学家与冒牌的(误入歧途的)数据科学家,我们总结了一个问题清单,内含20个问题。在面试数据科学家时你可以提出这些问题。

1.解释什么是正则化,以及它的用处。

2.你最崇拜哪些数据科学家?哪些创业公司?

3.你会如何验证一个多元回归预测模型的量化变量的结果?

4.解释什么是准确率(precision)和召回率(recall)。它们与ROC曲线有什 么关系?

5.你如何证明你对某个算法进行的改进,与原算法相比是有了真正的改进?

6.什么是根本原因分析(rootcause analysis)?

7.你是否熟悉以下概念:价格优化、价格弹性、库存管理、竞争(商业)智能。举例说明。

8.统计功效(statisticalpower)是什么?

9.解释什么是重新取样法(resamplingmethods)以及它们为何重要。解释它们的局限性。

10.哪种情况更好:有许多假阳性值,或者是有许多假阴性值?请解释。

11.什么是选择偏差(selectionbias),它为何重要?如何避免?

12.举出一例说明,你如何用实验设计来回答一个有关用户行为的问题。

13.数据的“长”/“宽”格式有何区别?

14.你使用什么方法来判断一篇文章(比如报纸中的)统计数字是错的或用来支持作者观点的,而非正确的、包含对某个特殊主题的丰富实时信息的?

15.解释EdwardTufte的“垃圾图表(chart junk)”概念。

16.你如何筛选离群点(outliers),以及如果你发现了一个这样的点应该怎么处理?

17.你会如何使用极限值定理、蒙特卡罗模拟或数理统计(或其他任何东西)正确预测一个稀有事件的几率?

18.推荐引擎是什么?它如何工作?

19.解释什么是假阳性、假阴性。为何区分它们很重要?

20.你是用什么工具进行可视化?你对Tableau怎么看?R?SAS?(就绘图而言)。如何有效地在一个图表(或视频中)表现五个维度?

“一个‘真正的’数据科学家知道如何应用数学、统计,如何用适当的试验设计来建立与验证模型。有IT技术却没有统计技能的数据科学家,就像一个只知道如何建立手术刀的外科医生。”

--Lisa Winter,TowersWatson

高级分析师

本文作者:王鹏宇

来源:51CTO

转载地址:http://ebhcx.baihongyu.com/

你可能感兴趣的文章
数据挖掘-同比与环比
查看>>
RedHat6 管理应用服务【11】
查看>>
stm32F10x复习-1
查看>>
[转] vue异步处理错误
查看>>
CSS 3D动画概述菜鸟级解读之一
查看>>
kindeditor.net应用
查看>>
函数preg_replace()与str_replace()
查看>>
HTTP工具CURL的使用简介
查看>>
P2P的远程协助系统技术分析[转]
查看>>
在.NET开发中的单元测试工具之(1)——NUnit
查看>>
windows2008支持多用户同时登录
查看>>
UEditor 1.2.5 for java 自定义配置
查看>>
从Redis的数据丢失说起
查看>>
理解对象(通过关联数组和基本包装类型)
查看>>
linux查看系统版本(32位/64位)的方法
查看>>
Highcharts中Legend动态显示点值
查看>>
MySQL数据库主从同步(单台2实例)
查看>>
HashMap和HashTable简介和区别
查看>>
java json 库之 jackson
查看>>
【图像缩放】最邻近插值
查看>>