{"id":97051,"date":"2020-10-15T14:43:34","date_gmt":"2020-10-15T12:43:34","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/kak-raspoznat-sharlatana-ot-data-science"},"modified":"2020-10-15T14:43:34","modified_gmt":"2020-10-15T12:43:34","slug":"kak-raspoznat-sharlatana-ot-data-science","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/administrirovanie\/kak-raspoznat-sharlatana-ot-data-science","title":{"rendered":"Hvordan genkender man en snyders Data Science?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"Hvordan<\/a><\/noindex>
\nM\u00e5ske har du h\u00f8rt om analytikere, specialister i maskinl\u00e6ring og kunstig intelligens, men har du h\u00f8rt om dem, der uretm\u00e6ssigt f\u00e5r for meget betalt? M\u00f8d data-svindleren<\/strong>! Disse trickstere, der lokkes af lukrative job, skaber et d\u00e5rligt ry for de rigtige databehandlere. I denne artikel unders\u00f8ger vi, hvordan man kan afd\u00e6kke s\u00e5danne personer.
\n<\/a><\/noindex><\/p>\n

Data-svindlere er overalt<\/h2>\n

\nData-svindlere er s\u00e5 dygtige til at gemme sig i fuld offentlighed, at du muligvis er en af dem<\/i>, uden overhovedet at v\u00e6re klar over det. Det er sandsynligt, at din organisation i \u00e5revis har skjult disse trickstere, men der er en god nyhed: de er nemme at identificere, hvis du ved, hvad du skal kigge efter.
\nDet f\u00f8rste varselsskilt er manglende forst\u00e5else af, hvad analyse og statistik er meget forskellige discipliner.<\/strong>Jeg vil uddybe dette.<\/p>\n

Forskellige discipliner<\/h2>\n

\nStatistikere er uddannet til at lave konklusioner om, hvad der g\u00e5r ud over deres data, mens analytikere er uddannet til at unders\u00f8ge indholdet af et datas\u00e6t. Med andre ord, analytikere konkluderer, hvad der findes i deres data, mens statistikere konkluderer, hvad der ikke er i dataene. Analytikere hj\u00e6lper med at stille de gode sp\u00f8rgsm\u00e5l (formulere hypoteser), mens statistikere hj\u00e6lper med at f\u00e5 de gode svar (afpr\u00f8ve hypoteser).<\/p>\n

Der findes ogs\u00e5 m\u00e6rkelige hybride roller, hvor en person fors\u00f8ger at sidde p\u00e5 to stole... Hvorfor ikke? Hovedprincippet i datavidenskab: hvis du arbejder med usikkerhed, m\u00e5 du ikke bruge de samme<\/i> data til b\u00e5de hypoteser og testning. N\u00e5r dataene er begr\u00e6nsede, kan usikkerhed tvinge dig til at v\u00e6lge mellem statistik eller analyse. , hvorfor ndots=5 i Kubernetes;<\/i> her<\/i><\/a><\/noindex>.<\/p>\n

Uden statistik vil du sidde fast og ikke kunne forst\u00e5, om den netop formulerede p\u00e5stand kan t\u00e5le kritik, mens du uden analyse bev\u00e6ger dig i blinde med sm\u00e5 chancer for at t\u00e6mme det ukendte. Det er et sv\u00e6rt valg.<\/p>\n

Svindlerens udvej fra dette dilemma er at ignorere det og s\u00e5 lade som om, de er overraskede over, hvad der pludselig bliver opdaget. Logikken i statistikhypotesetests kan reduceres til sp\u00f8rgsm\u00e5let: Overrasker dataene os nok til at \u00e6ndre vores mening? Hvordan kan vi v\u00e6re overraskede over dataene, hvis vi allerede har set dem?<\/p>\n

Hver gang svindlere finder et m\u00f8nster, bliver de inspireret, og s\u00e5 tjekker de de samme data<\/i> for fra det samme m\u00f8nster<\/i>, for at offentligg\u00f8re resultater med et legitimt p-v\u00e6rdi eller to, ved siden af deres teori. P\u00e5 den m\u00e5de lyver de for dig (og m\u00e5ske ogs\u00e5 for sig selv). S\u00e5danne p-v\u00e6rdier betyder ikke noget, hvis du ikke holder dig til din hypotese. op til<\/b> om hvordan de har gennemg\u00e5et deres data. Svindlere efterligner analytikere og statistikere uden at forst\u00e5 \u00e5rsagerne. Som et resultat f\u00e5r hele datavidenskabsfeltet et d\u00e5rligt omd\u00f8mme.<\/p>\n

\u00c6gte statistikere drager altid deres konklusioner.<\/h2>\n

\nTakket v\u00e6re den n\u00e6sten mystiske anseelse af statistikere, der besk\u00e6ftiger sig med strenge r\u00e6sonneringer, er m\u00e6ngden af falsk information inden for datavidenskab rekordh\u00f8j. Det er let at blive narret og ikke blive opdaget, is\u00e6r hvis det intetanende offer tror, at alt handler om ligninger og data. Et datas\u00e6t er et datas\u00e6t, ikke? Nej. Det betyder noget, hvordan du bruger det.<\/p>\n

Heldigvis har du kun brug for et enkelt tip til at fange svindlerne: de \"opfinder Amerika i bagklogskab\". De genopdager f\u00e6nomener, som de allerede ved, er til stede i dataene. <\/p>\n

I mods\u00e6tning til svindlerne har dygtige analytikere ingen fordomme og forst\u00e5r, at inspirerende ideer kan have mange forskellige forklaringer. Samtidig fastl\u00e6gger dygtige statistikere pr\u00e6cist deres konklusioner, f\u00f8r de drager dem.<\/p>\n

Analytikere er frie for ansvar\u2026 s\u00e5 l\u00e6nge de holder sig til deres data. Hvis de fristes til at p\u00e5st\u00e5 noget, de ikke har set, er det en helt anden opgave. De b\u00f8r \"tage skoene af\" analytikeren og \"hoppe i\" statistikerens sko. Uanset hvilket officielt jobtitel de har, findes der ingen regel, der forhindrer dig i at studere begge fag, hvis du \u00f8nsker det. Bare husk ikke at forveksle dem.<\/p>\n

At v\u00e6re god til statistik betyder ikke, at du er god til analyse, og omvendt. Hvis nogen fors\u00f8ger at sige dig det modsatte, b\u00f8r du v\u00e6re p\u00e5 vagt. Hvis denne person fort\u00e6ller dig, at det er tilladt at drage statistiske konklusioner baseret p\u00e5 data, du allerede har analyseret, er det grund til dobbeltsyn.<\/p>\n

Fantasifulde forklaringer.<\/h2>\n

\nN\u00e5r du observerer data-svindlere i deres naturlige habitat, vil du bem\u00e6rke, at de elsker at finde p\u00e5 fantastiske historier for at \"forklare\" de observerede data. Jo mere akademisk, jo bedre. Det er ligegyldigt, at disse historier er konstrueret bagud i tid.<\/p>\n

N\u00e5r svindlere g\u00f8r dette \u2013 lad mig ikke spare p\u00e5 ordene \u2013 s\u00e5 lyver de. Ingen m\u00e6ngde ligninger eller smukke begreber kan kompensere for, at de ikke har fremlagt noget bevis for deres p\u00e5stande. Bliv ikke overrasket over, hvor us\u00e6dvanlige deres forklaringer er.<\/p>\n

Det er det samme som at demonstrere sine \u00abextrasensoriske\u00bb evner ved f\u00f8rst at kigge p\u00e5 kortene i h\u00e6nderne og derefter forudsige, hvad du holder\u2026 det, du holder. Dette er en retrospektiv sk\u00e6vhed, og professionen som data scientist er overfyldt med dette.<\/p>\n

\"Hvordan<\/p>\n

Analytikere siger: \u00abDu har lige trukket dame i kl\u00f8r\u00bb. Statistikere siger: \u00abJeg skrev mine hypoteser ned p\u00e5 dette stykke papir, f\u00f8r vi begyndte. Lad os lege, se nogle data og finde ud af, om jeg har ret\u00bb. Svindlere siger: \u00abJeg vidste, at du ville tr\u00e6kke denne dame i kl\u00f8r, fordi\u2026\u00bb <\/p>\n

Datadeling er en hurtig l\u00f8sning p\u00e5 problemet, som alle har brug for.<\/p><\/blockquote>\n

\nN\u00e5r der ikke er s\u00e5 mange data, m\u00e5 man v\u00e6lge mellem statistik og analyse, men n\u00e5r der er rigeligt med data, er der en fantastisk mulighed for at bruge analysen uden svindel. og<\/i> Statistikken. Du har en perfekt beskyttelse mod svindlere \u2013 det er datadeling, og efter min mening er det den mest magtfulde id\u00e9 inden for data science. <\/p>\n

For at beskytte dig selv mod svindlere skal du blot s\u00f8rge for, at du holder nogle testdata uden for deres nysgerrige \u00f8jne, og derefter betragte alt andet som analyse. N\u00e5r du st\u00e5r over for en teori, du risikerer at acceptere, brug den til at vurdere situationen, og s\u00e5 afsl\u00f8r dine hemmelige testdata for at kontrollere, at teorien ikke er nonsense. Det er s\u00e5 enkelt!<\/p>\n

\"Hvordan
\nS\u00f8rg for, at ingen f\u00e5r lov til at se testdataene i forskningsfasen. Hold dig til forskningsdataene. Testdataene b\u00f8r ikke bruges til analyse.<\/p>\n

Dette er et stort skridt fremad i forhold til, hvad folk er vant til i tidsalderen for 'sm\u00e5 data', hvor du skal forklare, hvor du ved det, du ved, for endelig at overbevise folk om, at du faktisk ved noget.<\/p>\n

Vi anvender de samme regler for ML\/AI<\/h2>\n

\nNogle svindlere, der udgiver sig for at v\u00e6re eksperter inden for ML\/AI, er ogs\u00e5 lette at opdage. Du vil fange dem p\u00e5 samme m\u00e5de, som du ville fange enhver anden d\u00e5rlig ingeni\u00f8r: de \u201cl\u00f8sninger\u201d, de fors\u00f8ger at bygge, mislykkes konstant. Et tidligt advarselsskilt er manglen p\u00e5 erfaring med standard branche sprog og programmeringsbiblioteker.<\/p>\n

Men hvad med folk, der skaber systemer, der ser ud til at fungere? Hvordan ved man, hvorn\u00e5r der foreg\u00e5r noget mist\u00e6nkeligt? Den samme regel g\u00e6lder! Svindleren er en skummel karakter, der viser dig, hvor godt modellen har arbejdet... p\u00e5 de samme data, de brugte til at tr\u00e6ne modellen.<\/p>\n

Hvis du har bygget et vanvittigt komplekst maskinl\u00e6ringssystem, hvordan kan du s\u00e5 vide, hvor godt det er? Du ved det ikke, f\u00f8r du viser, at det fungerer med nye data, som det aldrig har set f\u00f8r.<\/p>\n

N\u00e5r du har set dataene f\u00f8r forudsigelsen - er det n\u00e6ppe et<\/i>forudsigelse.<\/p><\/blockquote>\n

\nN\u00e5r du har tilstr\u00e6kkeligt med data til at opdele, beh\u00f8ver du ikke henvise til sk\u00f8nheden i dine formler for at retf\u00e6rdigg\u00f8re projektet (en gammel vane, jeg ser overalt, ikke kun i videnskaben). Du kan sige: \u00abJeg ved, det virker, fordi jeg kan tage et datas\u00e6t, som jeg aldrig har set f\u00f8r, og pr\u00e6cist forudsige, hvad der vil ske der... og jeg vil have ret. Igen og igen\u00bb.<\/i><\/p>\n

At teste din model\/teori p\u00e5 nye data er den bedste grundlag for tillid.<\/p><\/blockquote>\n

\nJeg tolererer ikke datavindlere. Jeg er ligeglad med, hvorvidt din vurdering er baseret p\u00e5 forskellige gadgets. Jeg er ikke imponeret over sk\u00f8nheden i forklaringer. Vis mig, at din teori\/model virker (og forts\u00e6tter med at virke) p\u00e5 en r\u00e6kke nye data, som du aldrig har set f\u00f8r. Det er den \u00e6gte test af robustheden af din vurdering.<\/p>\n

Henvendelse til eksperter inden for Data Science<\/h2>\n

\nHvis du \u00f8nsker, at alle, der forst\u00e5r denne humor, skal tage dig seri\u00f8st, s\u00e5 stop med at gemme dig bag m\u00e6rkelige ligninger for at opretholde personlige fordomme. Vis, hvad du har. Hvis du vil have, at dem der \"forstod\", ser din teori\/model som noget mere end bare inspirerende poesi, s\u00e5 hav modet til at lave et storartet fremvisning af, hvor godt den fungerer p\u00e5 helt nye datas\u00e6t... med vidner!<\/p>\n

Henvendelse til ledere<\/h2>\n

\nAfvis at tage enhver \"id\u00e9\" om data alvorligt, indtil de er testet p\u00e5 nye<\/i> data. Har du ikke lyst til at l\u00e6gge kr\u00e6fter i det? Hold dig til analyser, men stol ikke p\u00e5 disse id\u00e9er \u2014 de er up\u00e5lidelige og ikke blevet testet for p\u00e5lidelighed. Desuden, n\u00e5r en organisation har data i overflod, er der ingen mangel p\u00e5 at g\u00f8re opdeling til en grundpille i videnskaben og opretholde den p\u00e5 infrastrukturlaget ved at kontrollere adgangen til testdata for statistikker. Dette er en fremragende m\u00e5de at forhindre fors\u00f8g p\u00e5 at narre dig!<\/p>\n

Hvis du vil se flere eksempler p\u00e5 svindlere, der planl\u00e6gger noget skummelt \u2014 her er en vidunderlig tr\u00e5d p\u00e5 Twitter<\/a><\/noindex>.<\/p>\n

Resum\u00e9<\/h2>\n

\nN\u00e5r dataene er for f\u00e5 til opdeling, er det kun en svindler, der pr\u00f8ver at f\u00f8lge inspirationen strengt, ved at genopdage Amerika retrospektivt, matematisk genopdage f\u00e6nomener, som allerede er kendt at eksistere i dataene, og kalde overraskelsen statistisk signifikant. Det adskiller dem fra den uvildige analytiker, der har med inspiration at g\u00f8re, og den n\u00f8jeregnende statistiker, der tilbyder beviser ved forudsigelse.<\/p>\n

N\u00e5r der er mange data, s\u00e5 f\u00e5 vanen at opdele dataene, s\u00e5 kan du f\u00e5 det bedste fra begge verdener! S\u00f8rg for, at du laver analyser og statistik separat for hver undergruppe af det oprindelige datas\u00e6t.<\/p>\n