挑選 Mr./Ms. Right ?顧客下次會買哪些東西？ 半導體的良率預測？ Q1：哪一個問題不適合用資料科學解決？ Q2：以你的角度來分析，為什麼這樣的問題，較不適合用資料來解決？ 將答案寫在論壇中，大家一起互相討論激盪。? - Cupoy

2021/02/22 下午 08:54

淺談資料科學與 EDA 所扮演的角色與重要性 (4/28更新)

王奕翔

觀看數：16

回答數：3

收藏數：0

回答列表

• 2021/02/23 上午 01:42
  Yun
  贊同數：0
  不贊同數：0
  留言數：0

  就像你說的 挑選另一伴的範例 裡面參雜許多無法具體化的變數 不適合用資料科學解決的問題.應該多數是 較無規律性的數據結構, 因為喜歡的東西 標準會隨時間改變 主觀的數據是很難量化的 就好像 今天不知道吃什麼 希望通過AI來給予推薦 但是你如果沒先想好至少口味, 機器判斷出來給你的食物推薦 也較可能是你不感興趣的 或者平常喜歡吃辣 但是今天嘴巴破洞 但AI依舊以歷史的紀錄來判斷 你喜歡跟想吃辣

• 2021/02/23 下午 03:08
  Mora
  贊同數：0
  不贊同數：0
  留言數：0

  對的，如何選擇對的人，目前較不適用資料科學解決唷!， 大致上，是否能資料科學解決，可以先檢查下面三個面向， 1.是否能定義出問題? 2.大家是否有一致的變數來描述這個問題？ 3.是否能收集到量化的資料? 與你分享其他學員的答案，我覺得思考的蠻完整的。 https://www.cupoy.com/qa/collection/00000174C4BC1B93000000016375706F795F70726572656C656173654355/0000017563DA1A0F0000000D6375706F795F72656C656173654349/00000177B41EF3560000020E6375706F795F72656C656173655155455354

• 2021/02/24 下午 02:28
  張維元 (WeiYuan)
  贊同數：0
  不贊同數：0
  留言數：0

  嗨，你好
  對哦，我的想法跟你類似，最主要的原因是「挑選 Mr./Ms. Right」這個問題難以量化， 並且太過於主觀。
  

  嗨，你好，我是維元，持續在不同的平台發表對 #資料科學、 #網頁開發 或 #軟體職涯 相關的文章。如果對於內文有疑問都歡迎與我們進一步的交流，都可以追蹤我的 Facebook 或 技術部落格 ，也會不定時的舉辦分享活動，一起來玩玩吧 ヽ(●´∀`●)ﾉ 以下分享一些我近期發表跟資料科學有關的文章，歡迎大家持續追蹤： ■ 資料分析工具那麼多，該怎麼選？ 🛠️
  ■ 真．資料團隊與分工
  ■ 觀察資料的 N 件事 🔖
  ■ 資料前處理必須要做的事 - 資料清理與型態調整