前沿科技创业的驱动者

20个问题揭穿冒牌数据科学家

2016-02-18 11:12 阅读(201)    评论(0)   

QQ截图20160218110944

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

原作者:Andrew Fogg

翻译:王鹏宇

分享到:

相关推荐

  • 2989496f585502771d71aacdc654492f

    全球首根百米量级铁基超导长线“出世”

      内容摘要 中国科学院电工所日前成功研制出全球首根100米量级铁基超导长线,接下来将突破大功率电力电子器件、高温超导材料等关键元器件和材料的制造及应用技术,形成产业化能力。   铁基超导材料是继铜基超导材料之后发现的一类新的高温超导材料,这是高温超导研究领...

  • AD-2.1

    手把手教你掌握竞品热销款式与销售旺季

    继市场数据、品类爆款、竞品跟踪等选品运营功能的一一上线,为了进一步满足众多用户的分析需求,数据脉又重磅推出“销售趋势透视”功能,这一功能可以帮助卖家快速了解某一产品各个款式的销售情况以及销售旺季。 作为一个亚马逊卖家,我们需要时刻了解竞争对手的状态。那么如何能够更好地了解竞争对手呢...

  • e7f0b435-c04c-447b-b823-87da57023623

    火箭直径为何只能是3.35?原因竟和马有关

    我国最大的火箭直径是3.35米,而且不管火箭怎么改变,都不会超过这个宽度。为什么会出现这个奇怪的数据呢?火箭的直径,说起来竟然还和马有关。 我们都知道,火箭的直径和它的运载能力相关。也就是说,如果火箭需要运输更大的载荷,就要直径更大、箭体更长。这样的想法在理论上没错,但在现实中却受到...

  • 20160618082406618

    中国首个国家基因库开始运营:一图读懂国家基因库

    今天起,中国首个国家基因库将正式开始运营,其也被称为是中国的生命“诺亚方舟”。 据介绍,国家基因库位于深圳市大鹏新区观音山脚下,一期占地面积4.75万平方米。 与美国、欧盟、日本其他三大世界级的基因库不同,中国国家基因库不仅仅是数据库,而是国际上现有的各类生物样本库、数据库、生物多样...

  • 22

    专题|CCF – GAIR全球人工智能机器人峰会在深圳启动

    2016年8月12日,由雷锋网主办的“CCF - GAIR · 全球人工智能与机器人峰1会”在大会组委会主席朱晓蕊博士的主持下于深圳香格里拉大酒店准时拉开帷幕,场内座无虚席。 本届大会主席、CCF理事长,中国工程院院士,IEEE、ACM Fellow高文进行大会致辞,他表示:“中国计算机协会是历史悠久的协会,未来协会希...

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

SME 前沿科技创业的驱动者