一個(gè)真實(shí)的項(xiàng)目處理幾個(gè)問題，而這些問題并不是從仔細(xì)清理的數(shù)據(jù)或定義的問題開始的。在大多數(shù)項(xiàng)目中，我們先驗(yàn)地不一定知道哪些特性是相關(guān)的，收集數(shù)據(jù)的頻率如何，以及需要回答的正確問題是什么。歡迎來到現(xiàn)實(shí)世界！

新的自動(dòng)化工具的出現(xiàn)將繼續(xù)使不同模型的實(shí)現(xiàn)變得容易和可訪問。然而，它無法對現(xiàn)實(shí)世界項(xiàng)目中更具挑戰(zhàn)性的問題進(jìn)行分類。許多這樣的問題依賴于上下文，自動(dòng)化的時(shí)機(jī)還不成熟。

3.現(xiàn)實(shí)世界的數(shù)據(jù)科學(xué)項(xiàng)目需要迭代開發(fā)

也許是受到關(guān)于數(shù)據(jù)科學(xué)的炒作的驅(qū)使，我遇到過這樣的情況，人們接近我，告訴我他們有數(shù)據(jù)，并希望我應(yīng)用“數(shù)據(jù)科學(xué)”來解決他們的問題（這可能也不一定是明確定義的）。我敢打賭，許多不是數(shù)據(jù)科學(xué)家的人認(rèn)為它是某種魔力（一個(gè)可以在一邊輸入數(shù)據(jù)，另一端獲得輸出的工具）。

恰恰相反，真正的項(xiàng)目有需要平衡的權(quán)衡。這需要一種迭代方法，首先部署初始模型，然后在收集更多數(shù)據(jù)以進(jìn)一步改進(jìn)時(shí)監(jiān)視性能。

任何部署的模型只有在按預(yù)期使用時(shí)才有用。這是不能保證的。需要有一個(gè)熟練的人員元素，可以繼續(xù)監(jiān)視和診斷已部署模型的使用，并提出適當(dāng)?shù)慕鉀Q方案來改進(jìn)它。然而，監(jiān)測部分不一定要自動(dòng)化，甚至不一定要定量?？赡軙?huì)發(fā)生你無法預(yù)料的非常意外和奇怪的事情。

倫敦大都會(huì)面部識(shí)別系統(tǒng)

不久前，倫敦大都會(huì)警察局測試了一個(gè)實(shí)時(shí)面部識(shí)別系統(tǒng)。該系統(tǒng)有攝像頭，可以掃描購物中心和公共廣場上的人，提取各種面部特征，然后將這些特征與觀察名單中的嫌疑人進(jìn)行比較。然后，該系統(tǒng)將顯示任何匹配，供官員審查并決定是否需要阻止任何嫌疑人（在某些情況下，逮捕）。關(guān)于該系統(tǒng)運(yùn)作的一項(xiàng)獨(dú)立聲明提出了重大關(guān)切，并強(qiáng)調(diào)了幾個(gè)限制。在經(jīng)過6次審判確定的42名嫌疑人中，只有8名（僅19%）證明是正確的匹配。

有許多數(shù)據(jù)科學(xué)算法被歪曲的例子，使它們不夠充分，需要進(jìn)一步發(fā)展。就目前的情況來看，我們甚至還沒有處于模型被廣泛部署和使用的階段。因此，我們甚至沒有足夠的模型漂移或出錯(cuò)的用例來進(jìn)一步自動(dòng)化此類工具。到目前為止，我們所擁有的最好的方法是在模型部署時(shí)識(shí)別問題（例如，銀行、醫(yī)療保健、警務(wù)）。

這是最先進(jìn)的。我們開發(fā)和部署模型，但結(jié)果證明它們是不夠的，不適合目的。我們正處在一個(gè)階段，我們只看到使用不合適的模型的早期后果。有沒有自動(dòng)化的解決方案來處理這個(gè)問題？一個(gè)都沒有！

即使是手動(dòng)，我們也在受到挑戰(zhàn)！

4。數(shù)據(jù)科學(xué)是科學(xué)是有原因的

這是我最喜歡的一點(diǎn)。一段時(shí)間以來，平凡的、重復(fù)的、非認(rèn)知要求的任務(wù)一直處于自動(dòng)化的風(fēng)險(xiǎn)之中。然而，這種干擾只會(huì)導(dǎo)致更多需要人類創(chuàng)造力和解決問題的工作。我們的記憶很糟糕，但我們，人類，在識(shí)別模式以解決問題時(shí)，卻異常出色。

“你的頭腦是用來有想法的，而不是拿著它們?！贝笮l(wèi)·艾倫

數(shù)據(jù)科學(xué)是科學(xué)是有原因的。而是解決問題。我們面臨的問題，需要?jiǎng)?chuàng)造性的、巧妙的解決方案。我們正是在這一點(diǎn)上大放異彩，這是一種非常令人向往的技能。數(shù)據(jù)科學(xué)的用例只會(huì)增加。這僅僅是因?yàn)槲覀冋谑占嗟臄?shù)據(jù)，我們有更多的計(jì)算能力在小芯片上實(shí)現(xiàn)復(fù)雜的數(shù)學(xué)運(yùn)算。

讓我向您展示實(shí)現(xiàn)當(dāng)今最著名的機(jī)器學(xué)習(xí)算法是多么的微不足道。

假設(shè)您已經(jīng)仔細(xì)清理了輸入變量(x)和輸出變量(y)，準(zhǔn)備進(jìn)入模型。使用ingscikit-learn（Python中一個(gè)著名的開源機(jī)器學(xué)習(xí)庫），我們可以用以下兩行代碼實(shí)現(xiàn)決策樹：

from sklearn import tree
tree.DecisionTreeClassifier.fit(X,Y)

我們可以用以下兩行代碼實(shí)現(xiàn)支持向量機(jī)：

from sklearn import svm
svm.SVC.fit(X,y)

你看到圖案了嗎？我們所需要做的就是改變函數(shù)名，然后你就有了模型。真正的數(shù)據(jù)科學(xué)家不會(huì)坐著從頭開始重新實(shí)現(xiàn)這些算法。他們最終將使用行業(yè)中成熟的庫，如Scikit-learn。

但你真的認(rèn)為大多數(shù)數(shù)據(jù)科學(xué)家都在這樣做，并因這項(xiàng)技能而被雇傭嗎？改變模型中的一個(gè)單詞，然后運(yùn)行，然后報(bào)告結(jié)果？不！

然而，作為一名數(shù)據(jù)科學(xué)家，如果這是你關(guān)注的全部，那么對這種技能的需求很快就會(huì)消失。

實(shí)現(xiàn)一個(gè)模型是大多數(shù)人可以做的事情，如果他們知道工具，而且很容易讓人接受培訓(xùn)。硬的部分是：

• 知道何時(shí)使用某個(gè)工具
• 為什么某個(gè)工具不能很好地執(zhí)行
• 哪些步驟可能有助于提高性能
• 在給定的問題中，哪些權(quán)衡是重要的
• 有洞察力和能力將以上所有內(nèi)容與總體目標(biāo)聯(lián)系起來
• 具備與領(lǐng)域?qū)＜覝贤ǖ募寄?/em>