数极客首页

20个问题揭穿冒牌数据科学家

20个问题揭穿冒牌数据科学家

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,Booz Allen Hamilton首席数据科学家,RocketDataScience.org创始人
识别冒牌数据科学家的第一个办法是了解你要寻找哪些技能。了解数据科学家/数据分析师/数据工程师的区别很重要,尤其当你在计划招募这些稀有物种其中之一的时候。
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(root cause 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(statistical power)是什么?
  9. 解释什么是重新取样法(resampling methods)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(selection bias),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Edward Tufte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,Towers Watson高级分析师

原作者:Andrew Fogg

翻译:王鹏宇

原文地址:

http://www.kdnuggets.com/2016/01/20-questions-to-detect-fake-data-scientists.html

发表评论

评论已关闭。

相关文章