{"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\/et\/blog\/administrirovanie\/kak-raspoznat-sharlatana-ot-data-science","title":{"rendered":"Kuidas tuvastada Data Science'i petut?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"Kuidas<\/a><\/noindex>
\nV\u00f5imalik, et olete kuulnud anal\u00fc\u00fctikutest, masin\u00f5ppe spetsialistidest ja tehisintellektist, kuid kas olete kuulnud ka nendest, kellele makstakse \u00fclem\u00e4\u00e4ra? Tutvuge andmete valeandjaga<\/strong>! Need petised, keda meelitab kasumlik t\u00f6\u00f6, loobivad pahatahtliku maine t\u00f5elistele andmete t\u00f6\u00f6tlemise spetsialistidele. Artiklis uurime, kuidas selliseid inimesi p\u00e4evavalgele tuua.
\n<\/a><\/noindex><\/p>\n

Valeandjad on igal pool<\/h2>\n

\nValeandjad oskavad nii h\u00e4sti varjuda, et v\u00f5ite olla \u00fcks neist<\/i>, ega pruugi sellest isegi aru saada. T\u00f5en\u00e4oliselt on teie organisatsioon need petised aastaid varjanud, kuid on hea uudis: neid on lihtne tuvastada, kui teate, mida otsida.
\nEsimene hoiatav m\u00e4rk on arusaamatus, et anal\u00fc\u00fcs ja statistika on v\u00e4ga erinevad valdkonnad<\/strong>. J\u00e4rgmiseks selgitan seda.<\/p>\n

Erinevad valdkonnad<\/h2>\n

\nStatistikud on koolitatud j\u00e4reldusi tegema sellest, mis j\u00e4\u00e4b v\u00e4lja nende andmete piiridest, anal\u00fc\u00fctikud on koolitatud uurima andmekogumi sisu. Teisis\u00f5nu, anal\u00fc\u00fctikud teevad j\u00e4reldusi sellest, mis on nende andmetes, samas kui statisticud teevad j\u00e4reldusi sellest, mida andmetes ei ole. Anal\u00fc\u00fctikud aitavad esitada h\u00e4id k\u00fcsimusi (h\u00fcpoteese), samas kui statistikud aitavad leida h\u00e4id vastuseid (h\u00fcpoteeside testimine).<\/p>\n

On ka kummalisi h\u00fcbriidrolle, kus inimene proovib istuda kahe tooli peal\u2026 Miks mitte? Andmeteaduse p\u00f5hialus: kui tegelete ebakindlusega, ei saa kasutada sama<\/i> andmepunkti h\u00fcpoteeside ja testimise jaoks. Kui andmed on piiratud, sunnib ebakindlus valima statistika v\u00f5i anal\u00fc\u00fcsi vahel. Selgitus<\/i> siin<\/i><\/a><\/noindex>.<\/p>\n

Ilma statistikata j\u00e4\u00e4te toppama ja ei saa aru, kas \u00e4sja formuleeritud v\u00e4ide peab kriitikat, ilma anal\u00fc\u00fcsita liigute pimeduses, omades v\u00e4he v\u00f5imalusi tundmatut taltsutada. See on raske valik.<\/p>\n

Valeandja v\u00e4ljap\u00e4\u00e4s sellest olukorrast on see, et ignoreerida seda ja seej\u00e4rel teeselda \u00fcllatust, et see \u00e4kki p\u00e4evavalgele tuleb. Statistiliste h\u00fcpoteeside kontrollimise loogika seisneb k\u00fcsimuses: kas andmed \u00fcllatavad meid piisavalt, et muuta meie arvamust. Kuidas me saame andmetest \u00fcllatuda, kui oleme neid juba n\u00e4inud?<\/p>\n

Igal korral, kui valeandjad leiavad mustri, inspireerib see neid, seej\u00e4rel nad kontrollivad sama andmestikku<\/i> jaoks sama mustri kohta.<\/i>, et postitada tulemusi koos seadusliku p-v\u00e4\u00e4rtusega v\u00f5i kahte, nende teooria k\u00f5rval. Sellega nad valetavad sulle (ja v\u00f5ib-olla ka endale). Selline p-v\u00e4\u00e4rtus pole oluline, kui sa ei j\u00e4\u00e4 oma h\u00fcpoteesi juurde. kuni<\/b> kuidas nad oma andmeid vaatasid. \u0160arlatanid j\u00e4ljendavad anal\u00fc\u00fctikute ja statistikutena k\u00e4itumist, ilma et nad v\u00f5iksid p\u00f5hjuseid m\u00f5ista. Selle tulemusena kujuneb kogu andeteaduse valdkonnas halb maine.<\/p>\n

T\u00f5elised statistikud teevad alati oma j\u00e4reldused.<\/h2>\n

\nPeaaegu m\u00fc\u00fctilise maine t\u00f5ttu statistika spetsialistidest, kes tegelevad rangete arutlustega, on valeinfo hulk andeteaduses rekordiliselt k\u00f5rge. On lihtne petta ja mitte vahele j\u00e4\u00e4da, eriti kui teadlik ohver arvab, et k\u00f5ik on seotud ainult v\u00f5rrandite ja andmetega. Andmestik on andmestik, eks? Ei ole. Oluline on see, kuidas sa seda kasutad.<\/p>\n

\u00d5nneks on sul vaja ainult \u00fcht vihje, et \u0161arlatane kinni p\u00fc\u00fcda: nad \"avavad Ameerikat tagurpidi\". Uuesti avades n\u00e4htusi, mis nende jaoks on juba teada, et andmetes on olemas. <\/p>\n

Erinevalt \u0161arlatannidest, headel anal\u00fc\u00fctikutel ei ole eelarvamusi ja nad m\u00f5istavad, et inspireerivatel ideedel v\u00f5ib olla palju erinevaid seletusi. Samal ajal m\u00e4\u00e4ratlevad head statistikud oma j\u00e4reldused hoolikalt, enne kui need teevad.<\/p>\n

Anal\u00fc\u00fctikud on vastutusele suunatud... kuni nad l\u00e4hevad oma andmetest \u00fcle. Kui nad tunnevad kiusatust kuulutada midagi, mida nad ei ole n\u00e4inud, on see hoopis teine t\u00f6\u00f6. Neil tuleks \"kingad jalast v\u00f5tta\" anal\u00fc\u00fctiku seisukohalt ja \"vahetada jalan\u00f5usid\" statistiku omade vastu. L\u00f5ppude l\u00f5puks, olenemata ametinimest, ei ole reeglit, mis keelaks sul kahe ametiga tegelemist, kui soovid. Ainult \u00e4ra aja neid segamini.<\/p>\n

Kui sa oled statistikas tugev, ei t\u00e4henda see, et sa oleksid anal\u00fc\u00fcsis tugev ja vastupidi. Kui keegi \u00fcritab sulle \u00f6elda vastupidist, tuleks olla ettevaatlik. Kui see inimene \u00fctleb sulle, et andmetel, mida sa juba uurisid, on lubatud teha statistilisi j\u00e4reldusi, on see kahekordne ettevaatlikkuse p\u00f5hjus.<\/p>\n

Veidrad seletused<\/h2>\n

\nVaadates andmespetsialiste looduses, m\u00e4rkate, et nad armastavad koostada fantastilisi lugusid, et \u201eselgitada\u201c j\u00e4lgitavaid andmeid. Mida akadeemilisem, seda parem. Pole oluline, et need lood on tagantj\u00e4rele kohandatud.<\/p>\n

Kui spesialistid seda teevad \u2014 las ma ei s\u00e4\u00e4sta s\u00f5nu \u2014 nad valetavad. \u00dckski hulk v\u00f5rdeid v\u00f5i ilusid m\u00f5isteid ei kompenseeri seda, et nad on esitanud oma versioonide jaoks null t\u00f5endusmaterjali. \u00c4rge imestage, kui kummalised on nende seletused.<\/p>\n

See on sama, mis oma \u201eextra-sensory\u201d v\u00f5imete demonstreerimine, vaadates esmalt kaarte k\u00e4es ja siis ennustades, mida te hoiate\u2026 seda, mida te hoiate. See on tagantj\u00e4rele vaatamise eelarvamus ja andmeanal\u00fc\u00fctiku amet on sellest n\u00e4iliselt \u00fcle kuhjatud.<\/p>\n

\"Kuidas<\/p>\n

Anal\u00fc\u00fctikud \u00fctlevad: \u201eTe just k\u00e4isite ristikuninganna peal\u201c. Statistikutel on: \u201eM\u00e4rkisin oma h\u00fcpoteesid sellel pisikesel paberit\u00fckil enne, kui me alustasime. Tulge, m\u00e4ngime, vaatame andmeid ja vaatame, kas ma olin \u00f5ige.\u201c Spetsialistid \u00fctlevad: \u201eMa teadsin, et kavatsete k\u00e4ia selle ristikuninganna peal, sest\u2026\u201c <\/p>\n

Andmete jagamine on kiire lahendus probleemile, millega iga\u00fcks vajab.<\/p><\/blockquote>\n

\nKui andmeid ei ole palju, tuleb valida statistika ja anal\u00fc\u00fcsi vahel, kuid kui andmeid on k\u00fclluses, on suurep\u00e4rane v\u00f5imalus petmata kasutada anal\u00fc\u00fcsi. ja<\/i> statistika. Teil on ideaalne kaitse spetsialistide eest \u2014 see on andmete jagamine ja minu arvates on see andmeanal\u00fc\u00fcsis k\u00f5ige v\u00f5imsam idee. <\/p>\n

Et end spetsialistide eest kaitsta, peate lihtsalt veenduma, et teil on m\u00f5ned testandmed nende uurivalt pilgult eemal ja siis kohtlege k\u00f5ike muud nagu anal\u00fc\u00fcsi. Kui kohtate teooriat, mille vastu olete n\u00f5us, kasutage seda olukorra hindamiseks, siis avage oma salajased testandmed, et kontrollida, kas teooria pole jama. See on ju nii lihtne!<\/p>\n

\"Kuidas
\nVeenduge, et keegi ei saaks uurimisetapis testandmeid vaadata. Selleks j\u00e4\u00e4ge uurimisdatasetest kinni. Testandmeid ei tohi anal\u00fc\u00fcsimiseks kasutada.<\/p>\n

See on suur samm edasi v\u00f5rreldes sellega, millega inimesed on harjunud \"v\u00e4ikeste andmete\" ajastul, mil peate selgitama, kust te teate seda, mida teate, et l\u00f5puks veenda inimesi, et te t\u00f5epoolest teate midagi.<\/p>\n

Kasutame samu reegleid ml\/AI suhtes.<\/h2>\n

\nM\u00f5ningaid petiseid, kes esitavad end ml\/AI ekspertidena, on samuti lihtne tuvastada. Te saate neid tabada nagu iga teise halva inseneri: \"lahendused\", mida nad p\u00fc\u00fcavad ehitada, eba\u00f5nnestuvad pidevalt. Varajane hoiatusm\u00e4rk on kogemuse puudumine standardsete t\u00f6\u00f6stuslike keelte ja programmeerimisraamistike osas.<\/p>\n

Aga kuidas on inimestega, kes loovad s\u00fcsteeme, mis n\u00e4evad v\u00e4lja t\u00f6\u00f6tavad? Kuidas teada, et toimub midagi kahtlast? Sama reeglit rakendatakse! Petis on kurjakuulutav tegelane, kes n\u00e4itab teile, kui h\u00e4sti mudel t\u00f6\u00f6tas... samadel andmetel, mida nad kasutasid mudeli koostamisel.<\/p>\n

Kui olete loonud uskumatult keerulise masin\u00f5ppe s\u00fcsteemi, kuidas teada saada, kui hea see on? Te ei saa seda teada, kuni te ei n\u00e4ita, et see t\u00f6\u00f6tab uute andmete korral, mida see pole varem n\u00e4inud.<\/p>\n

Kui te olete andmeid n\u00e4inud enne ennustamist - see ei ole t\u00f5en\u00e4oliselt ette<\/i>ennustamine.<\/p><\/blockquote>\n

\nKui teil on piisavalt andmeid eristamiseks, ei pea te tuginema oma valemite ilule, et \u00f5igustada projekti (vana moodne harjumus, mida n\u00e4en igal pool, mitte ainult teaduses). Te v\u00f5ite \u00f6elda: \"Ma tean, et see t\u00f6\u00f6tab, sest ma saan v\u00f5tta andmestiku, mida pole varem n\u00e4htud, ja t\u00e4pselt ennustada, mis seal toimub... ja olen \u00f5ige. J\u00e4tkuvalt ja pidevalt.\"<\/i><\/p>\n

Teie mudeli\/teooria kontrollimine uute andmete p\u00f5hjal on parim usalduse alus.<\/p><\/blockquote>\n

\nMa ei talu andmete petiseid. Mulle ei ole oluline, kas teie arvamus tugineb erinevatele vihjetele. Mind ei m\u00f5ju ilmu seletuste ilu. N\u00e4idake mulle, et teie teooria\/mudel t\u00f6\u00f6tab (ja j\u00e4tkab t\u00f6\u00f6tamist) terve hulga uute andmete puhul, mida te pole kunagi varem n\u00e4inud. See on t\u00f5eline katse teie arvamuse vastupidavusele.<\/p>\n

Konsulteerimine andeteaduse spetsialistidega<\/h2>\n

\nKui soovite, et k\u00f5ik, kes m\u00f5istavad seda huumorit, k\u00f5ike t\u00f5siselt v\u00f5taksid, l\u00f5petage enda varjutamine veidrate v\u00f5rranditega, et toetada isiklikke eelarvamusi. N\u00e4idake, mis teil on. Kui soovite, et need, kes \"m\u00f5istsid\", k\u00e4sitaksid teie teooriat\/mudelit kui midagi enamat kui lihtsalt inspireerivat luuletust, olge julge ja korraldage suurejooneline esitlus, kui h\u00e4sti see t\u00e4iesti uue andmestiku peal t\u00f6\u00f6tab\u2026 pealtvaatajate ees!<\/p>\n

Kutse juhtidele<\/h2>\n

\nKeelduge t\u00f5siselt v\u00f5tma k\u00f5iki \"ideid\" andmete kohta, kuni need on katsetatud uus<\/i> andmete peal. Ei taha vaeva n\u00e4ha? J\u00e4tke anal\u00fc\u00fctika juurde, kuid \u00e4rge toetuge nendele ideedele \u2014 need ei ole usaldusv\u00e4\u00e4rsed ja pole usaldusv\u00e4\u00e4rsuse osas v\u00e4lja proovitud. Samuti, kui organisatsioonil on andmeid k\u00fclluses, ei ole mingit p\u00f5hjust, miks ei peaks olema eraldamine teaduse aluseks ja hoidma seda infrastruktuuri tasemel, kontrollides juurdep\u00e4\u00e4su testandmetele statistikaks. See on suurep\u00e4rane viis, kuidas peatada katseid teid petta!<\/p>\n

Kui soovite n\u00e4ha rohkem n\u00e4iteid petistest, kes kavandavad midagi head \u2014 siin on imeline teema Twitteris<\/a><\/noindex>.<\/p>\n

Summary<\/h2>\n

\nKui andmeid on liiga v\u00e4he jagamiseks, p\u00fc\u00fcab ainult petis rangelt j\u00e4rgida inspiratsiooni, avades Ameerikat mitteajaliselt, matemaatiliselt avastades n\u00e4htusi, mille kohta on juba teada, et need eksisteerivad andmetes, ja nimetades \u00fcllatust statistiliselt oluliseks. See eristab neid erapooletust anal\u00fc\u00fctikust, kes tegeleb inspiratsiooniga, ja p\u00f5hjalikust statistikust, kes pakub t\u00f5endeid prognoosimise ajal.<\/p>\n

Kui andmeid on palju, harjutage andmete jagamist, nii saate m\u00f5lemast maailmast parima! Veenduge, et teete anal\u00fc\u00fctikat ja statistikat eraldi eraldi allkomplektide jaoks algsest andmestikust.<\/p>\n