数据科学

数据科学常见问题

• 什么是数据科学?

  数据科学包括基于非常先进的知识领域的广泛服务。数据科学将真正科学的方法应用于数据，发现重要的趋势和依赖关系。数据科学可以处理需要大量准备和清理的非常原始的数据。当数据准备就绪时，数据科学还会使用数学、统计学和最新的计算机技术来创建复杂的模型。数据科学使用非常高水平的过程抽象来解决实际问题

• 什么时候需要数据科学家?

  虽然数据科学可以帮助提供一般的商业见解，但它的主要应用领域更面向技术。数据科学家可以帮助工程师进行图像识别，帮助金融机构揭露欺诈和异常情况，建立客户排名，进行复杂的预测，并揭示不太明显的趋势和它们之间的关系。当你的业务严重依赖大数据时，你就需要数据科学家、人工智能或机器学习专家。

• 数据科学项目包括什么?

  数据准备对于每一个数据科学项目来说都是非常重要的。只有干净的数据才能提供可靠的见解。这就是为什么，大多数情况下，数据科学家会以整理数据开始工作。一旦没有丢失的数据或异常值(两个典型的数据准备问题)，项目的主要阶段就可以开始了。这可以包括模型、神经网络、深度学习或决策树。在最后一个阶段，数据科学家研究报告或其他显示结果的方法，例如数据可视化。

• 数据科学的一些关键方法是什么?

  除了数据科学家最需要的数据准备方法外，数据科学还包括来自应用数学、统计学和计算机科学的方法。在许多情况下，数据科学家创建一个算法——一系列程序化的动作——并使用一个已知的数据集来训练它，使它能够解释任何未知的数据集。换句话说，数据科学家根据训练获得的经验，训练算法独立处理未知情况。这样的数据集可能包含图像、数字和文本。

• 数据科学家使用哪些计算机技术?

  数据科学家通常需要先进的计算机技术来执行计算并存储他们使用的所有数据，包括允许他们构建算法的专业编程语言，如R和Python。然而，一些著名的计算机巨头提供无代码或低代码的数据科学工具，如IBM Watson、谷歌ML Kit和Azure ML Studio。当您处理大量数据时，您需要考虑处理数据的工具，以及存储数据并提供快速访问的工具。这些通常是基于云的技术。

• 我如何识别一个有效的数据科学家?

  到目前为止，你完全可以依赖卖家在平台上所获得的分数。此外，您还可以看到评分所基于的评论数量。卖家的评论越多越好。数据科学是一个雄心勃勃的领域，所以您不应该期待全栈专家。更常见的是一个狭窄的焦点，这也表明卖家对他或她提供的服务高度专业化。最后，一个好的卖家会耐心地回答你的询问，并在开始工作前询问重要的问题。