发现假数据科学家的20个问题
2018-01-29 21:54
459 查看
发现假数据科学家的20个问题
现在,数据科学家是21世纪最性感的职业,每个人都希望分一块蛋糕。
这表示会有一些装腔作势的数据人士。这些人称自己为数据科学家,但他们并不掌握对应的技能。
这个问题的出现不一定是因为欺骗的目的。数据科学是全新的,且缺乏具有广泛共识的职位描述,意味着很多人只因为处理数据就认为自己是数据科学家。
“假的数据科学家往往是某个特定学科的专家,并且坚持他们的学科是唯一真正的数据科学。这种信念没有抓住数据科学的要点,数据科学涉及到应用全部科学工具和技术(数学、计算机、可视化、分析、统计、实验、问题定义、模型构建和验证等等)以得到来自数据的发现、洞察和价值。”
——Kirk Borne,Booz Allen Hamilton的首席数据科学家和RocketDataScience.org的创始人
第一种发现假数据科学家的方法是了解你应该寻找的技能。知道数据科学家、数据分析师和数据工程师之间的不同之处很重要,尤其是如果你打算雇佣这些不常见的人时。
为了帮助对数据科学家由真到假(或者被误导的)排序,我们提出了一个20道题的列表,你可以在面试数据科学家时问问他们。
解释什么是正则化,以及它为什么有用。
你最欣赏哪些数据科学家?哪些相关的创业公司?
如何验证一个用多元回归生成的对定量结果变量的预测模型。
解释准确率和召回率。它们和ROC曲线有什么关系?
如何证明你对一个算法的改进确实比什么都不做更好?
什么是根本原因分析?
你是否熟悉价格优化、价格弹性、库存管理、竞争情报?举例说明。
什么是统计检定力?
解释什么是重抽样方法和它们为什么有用。并说明它们的局限。
有太多假阳性或太多假阴性哪个相比之下更好?说明原因。
什么是选择偏倚,为什么它很重要以及如何避免它。
举例说明如何使用实验设计回答有关用户行为的问题。
“长”数据和“宽”数据有什么不同之处?
你用什么方法确定一篇文章(比如报纸上的)中公布的统计数字是错误的或者是为了支持作者观点,而不是关于某主题正确全面的事实信息?
解释Edward Tufte“图表垃圾”的概念。
你会如何筛查异常值?如果发现它会怎样处理?
如何使用极值理论、蒙特卡洛模拟或其他数学统计(或别的什么)正确估计非常罕见事件的可能性?
推荐引擎是什么?它如何工作?
解释什么是假阳性和假阴性。为什么区分它们非常重要?
你使用什么工具进行可视化?你对Tableau/R/SAS(用来作图)有何看法?如何有效地在一幅图表(或一个视频)中表示五个维度?
“一名‘真正的’数据科学家了解如何应用数学和统计,如何使用合理的实验设计构建和验证模型。掌握IT技能但没有统计技能只会让你成为一个造手术刀的外科医生那样的数据科学家”
现在,数据科学家是21世纪最性感的职业,每个人都希望分一块蛋糕。
这表示会有一些装腔作势的数据人士。这些人称自己为数据科学家,但他们并不掌握对应的技能。
这个问题的出现不一定是因为欺骗的目的。数据科学是全新的,且缺乏具有广泛共识的职位描述,意味着很多人只因为处理数据就认为自己是数据科学家。
“假的数据科学家往往是某个特定学科的专家,并且坚持他们的学科是唯一真正的数据科学。这种信念没有抓住数据科学的要点,数据科学涉及到应用全部科学工具和技术(数学、计算机、可视化、分析、统计、实验、问题定义、模型构建和验证等等)以得到来自数据的发现、洞察和价值。”
——Kirk Borne,Booz Allen Hamilton的首席数据科学家和RocketDataScience.org的创始人
第一种发现假数据科学家的方法是了解你应该寻找的技能。知道数据科学家、数据分析师和数据工程师之间的不同之处很重要,尤其是如果你打算雇佣这些不常见的人时。
为了帮助对数据科学家由真到假(或者被误导的)排序,我们提出了一个20道题的列表,你可以在面试数据科学家时问问他们。
解释什么是正则化,以及它为什么有用。
你最欣赏哪些数据科学家?哪些相关的创业公司?
如何验证一个用多元回归生成的对定量结果变量的预测模型。
解释准确率和召回率。它们和ROC曲线有什么关系?
如何证明你对一个算法的改进确实比什么都不做更好?
什么是根本原因分析?
你是否熟悉价格优化、价格弹性、库存管理、竞争情报?举例说明。
什么是统计检定力?
解释什么是重抽样方法和它们为什么有用。并说明它们的局限。
有太多假阳性或太多假阴性哪个相比之下更好?说明原因。
什么是选择偏倚,为什么它很重要以及如何避免它。
举例说明如何使用实验设计回答有关用户行为的问题。
“长”数据和“宽”数据有什么不同之处?
你用什么方法确定一篇文章(比如报纸上的)中公布的统计数字是错误的或者是为了支持作者观点,而不是关于某主题正确全面的事实信息?
解释Edward Tufte“图表垃圾”的概念。
你会如何筛查异常值?如果发现它会怎样处理?
如何使用极值理论、蒙特卡洛模拟或其他数学统计(或别的什么)正确估计非常罕见事件的可能性?
推荐引擎是什么?它如何工作?
解释什么是假阳性和假阴性。为什么区分它们非常重要?
你使用什么工具进行可视化?你对Tableau/R/SAS(用来作图)有何看法?如何有效地在一幅图表(或一个视频)中表示五个维度?
“一名‘真正的’数据科学家了解如何应用数学和统计,如何使用合理的实验设计构建和验证模型。掌握IT技能但没有统计技能只会让你成为一个造手术刀的外科医生那样的数据科学家”
相关文章推荐
- 分辨真假数据科学家的20个问题及回答
- 分辨真假数据科学家的20个问题及回答
- 分辨真假数据科学家的20个问题及回答
- unserialize的这个问题是由一个emlog论坛用户在使用时报错而发现的 问题表现情况如下: emlog缓存的保存方式是将php的数据对象(数组)序列化(serialize)后以文件的形式存放,
- 数据分析运营---A/B测试中20个必须知道的问题
- 在AppWeb后台,管理员所有数据已经录入完毕,但用手机浏览器登录评委打分界面,发现打分界面为空,或者选手人数不对等问题,如何解决?
- 现在有这样一个问题 我把上W条数据插入表内,但是发现还有一条数据没进入表里.我想查出来是哪个数据没进去. 能用查询语句查出来吗?
- 发现MSSQL导入数据时标识列存在的问题,已解决!
- 从数据分析中,发现PHP浮点数的一个常见问题
- 一位成功的科学家是能发现最有价值问题的探索者
- 数据科学家面试常见的77个问题
- 数据科学家面试常见的77个问题
- 发现MSSQL导入数据时标识列存在的问题,已解决!
- 重磅 :考察数据科学家和分析师的41个统计学问题
- oracle迁移到mysql时insert数据到mysql text字段发现报字段不够长的问题
- 每天自动备份网站数据,发现问题一键恢复 ——阿里云虚拟主机推出网站数据自动备份功能
- 产品经理如何用数据分析发现问题
- 数据类型初学时发现的问题
- HDU 3123 题解,想到怎么做就不难了此题一开始没注意到long long数据的问题,最后没有除m WA了7次。幸亏最后发现了啊!这个AC来得太不容易了
- 自己发现的nodejs服务的问题--1查询语句的嵌套问题+接受的数据该怎么用