这是什么
研究生阶段数据科学项目的支持涵盖将一个项目从原始数据集和商业或研究问题,推进到一套经过验证、清晰传达的结果——包括数据清洗、探索性分析、合适的建模选择,以及向技术和非技术受众呈现结果。
为什么重要
一个技术上熟练的分析与一个真正有用的数据科学项目之间的差距,通常在于沟通——一个决策者无法理解或信任的正确发现几乎没有实际价值,这使清晰呈现数据科学工作的能力与分析本身同等重要。
考试小贴士
把真正、专注的时间投入到数据清洗和探索阶段,而不是急于建模——一个数据科学项目最终质量的大部分,是在训练任何模型之前所做的决定所决定的,跳过这一步是导致结论不可靠的常见原因。