Kvíz spojený s průvodcem · Střední úroveň
Kvíz k případovým studiím z datové vědy
Testuje rámování případu, kontroly dat, výběr výsledků, kauzální uvažování a schopnost komunikovat závěry bez nadhodnocování důkazů.
Otázka 1 z 8
Zadání případové studie uvádí, že nákupy v nedávném období klesly. Co by si měl kandidát ujasnit jako první?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Zadání případové studie uvádí, že nákupy v nedávném období klesly. Co by si měl kandidát ujasnit jako první?
- Který vedoucí pracovník by měl schválit nový řídicí panel
- Který slogan kampaně nejlépe vystihuje danou funkci
- Které měřítko nákupů, uživatelská populace, platforma a časové okno definují tuto změnu
- Který model strojového učení by měl být nasazen
- Metrika se změnila ihned po vydání produktu. Co toto načasování samo o sobě prokazuje?
- Časovou souvislost, kterou je stále nutné ověřit ohledně jiných vysvětlení
- Že vydání způsobilo tuto změnu
- Že měření metriky zůstalo správné
- Že účinek je stejný pro každý uživatelský segment
- Proč by mohl kandidát rozepsat produktovou metriku podle uživatelských segmentů?
- Segmentace automaticky dokazuje, že funkce způsobila změnu
- Každý segment musí mít stejnou velikost vzorku
- Pohled na segment nahrazuje kontrolu měření
- Změna v souhrnu může skrývat rozdíly mezi skupinami
- Co by měl kandidát definovat před analýzou navrhovaného spuštění funkce?
- A final launch date before considering the evidence
- Zamýšlený uživatelský výsledek a metriku, která by jej indikovala
- Nejsložitější dostupný statistický model
- Pozitivní výsledek bez ohledu na dopad na uživatele
- Kdy může být randomizovaný experiment užitečným přístupem?
- Pouze v případě, že produkt nemá žádné stávající uživatele
- Když nebylo vybráno žádné měřítko výsledku
- Když je přiřazení pro studované rozhodnutí proveditelné a etické
- Kdykoli jsou k dispozici observační data
- Jaký je zodpovědný závěr z observačních dat?
- Považovat korelaci za důkaz, že jedna proměnná způsobila druhou
- Ignorovat výběrové efekty, pokud je vzorek velký
- Předpokládat, že výchozí stav odstraní všechny zdroje zkreslení
- Uvést pozorovaný vztah a prodiskutovat zavádějící faktory předtím, než učiníte kauzální tvrzení
- Co by měl kandidát zahrnout při doporučování dalšího kroku?
- Tvrzení, že analýza odpovídá na každou otázku
- Předpoklady, alternativní vysvětlení, nejistotu a důkazy, které by mohly rozhodnutí změnit
- Pouze tu nejpříznivější metriku
- Přesnou předpověď, i když data chybí
- Jak by se měly používat případové studie v této příručce?
- Jako cvičné scénáře pro uvažování, nikoli jako zaručené otázky u pohovoru u zaměstnavatele
- Jako uniklý scénář používaný všemi týmy datové vědy
- Jako důkaz, že každý pohovor obsahuje randomizovanou studii
- Jako náhradu za přečtení aktuálního inzerátu na pracovní pozici