如今數(shù)據(jù)科學(xué)家正式成為21世紀(jì)最性感的工作，人人都想來分一杯羹。

[[163724]]

這也意味著會有一些冒牌貨。這些人自稱數(shù)據(jù)科學(xué)家，卻不具有相應(yīng)的技能。

這不見得是有意欺騙。數(shù)據(jù)科學(xué)是嶄新的領(lǐng)域，目前對此崗位也缺乏被廣泛認(rèn)可的描述。這意味著許多人會認(rèn)為自己是數(shù)據(jù)科學(xué)家，僅僅因?yàn)樗麄兂８鷶?shù)據(jù)打交道。

“冒牌數(shù)據(jù)科學(xué)家通常是某一個(gè)特定學(xué)科的專家，且堅(jiān)信他們的學(xué)科才是唯一真正的數(shù)據(jù)科學(xué)。這種想法忽略了一個(gè)事實(shí)：數(shù)據(jù)科學(xué)是一整套科學(xué)工具與技術(shù)(數(shù)學(xué)，計(jì)算，視覺，分析，統(tǒng)計(jì)，試驗(yàn)，問題界定，模型建立與檢驗(yàn)等)的集合，用于從數(shù)據(jù)收集中獲得新發(fā)現(xiàn)、洞察與價(jià)值。”

--Kirk Borne，BoozAllen Hamilton ***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，我們總結(jié)了一個(gè)問題清單，內(nèi)含20個(gè)問題。在面試數(shù)據(jù)科學(xué)家時(shí)你可以提出這些問題。

1.解釋什么是正則化，以及它的用處。

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(yàn)證一個(gè)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(zhǔn)確率(precision)和召回率(recall)。它們與ROC曲線有什 么關(guān)系?

5.你如何證明你對某個(gè)算法進(jìn)行的改進(jìn)，與原算法相比是有了真正的改進(jìn)?

6.什么是根本原因分析(rootcause analysis)?

7.你是否熟悉以下概念：價(jià)格優(yōu)化、價(jià)格彈性、庫存管理、競爭(商業(yè))智能。舉例說明。

8.統(tǒng)計(jì)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?。解釋它們的局限性?/p>

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。

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(shí)驗(yàn)設(shè)計(jì)來回答一個(gè)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(bào)紙中的)統(tǒng)計(jì)數(shù)字是錯(cuò)的或用來支持作者觀點(diǎn)的，而非正確的、包含對某個(gè)特殊主題的豐富實(shí)時(shí)信息的?

15.解釋EdwardTufte的“垃圾圖表(chart junk)”概念。

16.你如何篩選離群點(diǎn)(outliers)，以及如果你發(fā)現(xiàn)了一個(gè)這樣的點(diǎn)應(yīng)該怎么處理?

17.你會如何使用極限值定理、蒙特卡羅模擬或數(shù)理統(tǒng)計(jì)(或其他任何東西)正確預(yù)測一個(gè)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、假陰性。為何區(qū)分它們很重要?

20.你是用什么工具進(jìn)行可視化?你對Tableau怎么看?R?SAS?(就繪圖而言)。如何有效地在一個(gè)圖表(或視頻中)表現(xiàn)五個(gè)維度?

“一個(gè)‘真正的’數(shù)據(jù)科學(xué)家知道如何應(yīng)用數(shù)學(xué)、統(tǒng)計(jì)，如何用適當(dāng)?shù)脑囼?yàn)設(shè)計(jì)來建立與驗(yàn)證模型。有IT技術(shù)卻沒有統(tǒng)計(jì)技能的數(shù)據(jù)科學(xué)家，就像一個(gè)只知道如何建立手術(shù)刀的外科醫(yī)生。”

--Lisa Winter,TowersWatson

高級分析師