http://developer.51cto.com/art/201603/507151.htm
如今數(shù)據(jù)科學(xué)家正式成為21世紀最性感的工作玉吁,人人都想來分一杯羹。
這也意味著會有一些冒牌貨腻异。這些人自稱數(shù)據(jù)科學(xué)家进副,卻不具有相應(yīng)的技能。
這不見得是有意欺騙悔常。數(shù)據(jù)科學(xué)是嶄新的領(lǐng)域影斑,目前對此崗位也缺乏被廣泛認可的描述。這意味著許多人會認為自己是數(shù)據(jù)科學(xué)家机打,僅僅因為他們常跟數(shù)據(jù)打交道矫户。
“冒牌數(shù)據(jù)科學(xué)家通常是某一個特定學(xué)科的專家,且堅信他們的學(xué)科才是唯一真正的數(shù)據(jù)科學(xué)残邀。這種想法忽略了一個事實:數(shù)據(jù)科學(xué)是一整套科學(xué)工具與技術(shù)(數(shù)學(xué)皆辽,計算,視覺芥挣,分析驱闷,統(tǒng)計,試驗空免,問題界定空另,模型建立與檢驗等)的集合,用于從數(shù)據(jù)收集中獲得新發(fā)現(xiàn)蹋砚、洞察與價值扼菠∩阍樱”
--Kirk Borne循榆,BoozAllen Hamilton 首席數(shù)據(jù)科學(xué)家
RocketDataScience.org創(chuàng)始人
為了幫助你區(qū)分真正的數(shù)據(jù)科學(xué)家與冒牌的(誤入歧途的)數(shù)據(jù)科學(xué)家冯痢,我們總結(jié)了一個問題清單袖肥,內(nèi)含20個問題。在面試數(shù)據(jù)科學(xué)家時你可以提出這些問題寸癌。
1.解釋什么是正則化,以及它的用處溪烤。
2.你最崇拜哪些數(shù)據(jù)科學(xué)家?哪些創(chuàng)業(yè)公司?
3.你會如何驗證一個多元回歸預(yù)測模型的量化變量的結(jié)果?
4.解釋什么是準確率(precision)和召回率(recall)檬嘀。它們與ROC曲線有什 么關(guān)系?
5.你如何證明你對某個算法進行的改進罕拂,與原算法相比是有了真正的改進?
6.什么是根本原因分析(rootcause analysis)?
7.你是否熟悉以下概念:價格優(yōu)化蒿秦、價格彈性、庫存管理渡处、競爭(商業(yè))智能。舉例說明。
8.統(tǒng)計功效(statisticalpower)是什么?
9.解釋什么是重新取樣法(resamplingmethods)以及它們?yōu)楹沃匾=忉屗鼈兊木窒扌浴?br> 10.哪種情況更好:有許多假陽性值,或者是有許多假陰性值?請解釋痊臭。
11.什么是選擇偏差(selectionbias),它為何重要?如何避免?
12.舉出一例說明,你如何用實驗設(shè)計來回答一個有關(guān)用戶行為的問題。
13.數(shù)據(jù)的“長”/“寬”格式有何區(qū)別?
14.你使用什么方法來判斷一篇文章(比如報紙中的)統(tǒng)計數(shù)字是錯的或用來支持作者觀點的鳍寂,而非正確的、包含對某個特殊主題的豐富實時信息的?
15.解釋EdwardTufte的“垃圾圖表(chart junk)”概念鞍爱。
16.你如何篩選離群點(outliers)沉填,以及如果你發(fā)現(xiàn)了一個這樣的點應(yīng)該怎么處理?
17.你會如何使用極限值定理翼闹、蒙特卡羅模擬或數(shù)理統(tǒng)計(或其他任何東西)正確預(yù)測一個稀有事件的幾率?
18.推薦引擎是什么?它如何工作?
19.解釋什么是假陽性斑鼻、假陰性。為何區(qū)分它們很重要?
20.你是用什么工具進行可視化?你對Tableau怎么看?R?SAS?(就繪圖而言)猎荠。如何有效地在一個圖表(或視頻中)表現(xiàn)五個維度?
“一個‘真正的’數(shù)據(jù)科學(xué)家知道如何應(yīng)用數(shù)學(xué)坚弱、統(tǒng)計,如何用適當(dāng)?shù)脑囼炘O(shè)計來建立與驗證模型关摇。有IT技術(shù)卻沒有統(tǒng)計技能的數(shù)據(jù)科學(xué)家史汗,就像一個只知道如何建立手術(shù)刀的外科醫(yī)生【芾”
--Lisa Winter,TowersWatson
高級分析師