{"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\/no\/blog\/administrirovanie\/kak-raspoznat-sharlatana-ot-data-science","title":{"rendered":"Hvordan skille en svindler fra Data Science?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"Hvordan<\/a><\/noindex>
\nDu har kanskje h\u00f8rt om analytikere, spesialister innen maskinl\u00e6ring og kunstig intelligens, men har du h\u00f8rt om dem som urettmessig blir betalt for mye? M\u00f8t datasharlataner<\/strong>! Disse lurendreierne, som tiltrekkes av godt betalte jobber, skaper et d\u00e5rlig rykte for ekte spesialister innen databehandling. I denne artikkelen forklarer vi hvordan man kan avsl\u00f8re slike personer.
\n<\/a><\/noindex><\/p>\n

Datasharlataner er overalt<\/h2>\n

\nDatasharlataner er s\u00e5 flinke til \u00e5 skjule seg i \u00e5penhet at du kan v\u00e6re en av dem<\/i>, uten \u00e5 innse det. Sannsynligvis har din organisasjon i \u00e5revis skjult disse lurendreierne, men det er gode nyheter: de er enkle \u00e5 identifisere hvis du vet hva du skal se etter.
\nDet f\u00f8rste varselsignalet er misforst\u00e5elsen av at analyse og statistikk er sv\u00e6rt forskjellige disipliner<\/strong>. Jeg vil forklare dette n\u00e5.<\/p>\n

Forskjellige disipliner<\/h2>\n

\nStatistikere er oppl\u00e6rt til \u00e5 trekke konklusjoner om hva som g\u00e5r utover deres data, mens analytikere er oppl\u00e6rt til \u00e5 studere innholdet i datasettet. Med andre ord, analytikere trekker konklusjoner om det som er i deres data, mens statistikere trekker konklusjoner om hva som ikke finnes i dataene. Analytikere hjelper til med \u00e5 stille gode sp\u00f8rsm\u00e5l (fremme hypoteser), mens statistikere hjelper til med \u00e5 finne gode svar (teste hypoteser).<\/p>\n

Det finnes ogs\u00e5 rare hybridroller, der en person pr\u00f8ver \u00e5 sitte p\u00e5 to stoler\u2026 Hvorfor ikke? Hovedprinsippet for data science: hvis du har \u00e5 gj\u00f8re med usikkerhet, b\u00f8r du ikke bruke den samme<\/i> datapunktet for hypoteser og testing. N\u00e5r dataene er begrenset, tvinger usikkerheten deg til \u00e5 velge mellom statistikk eller analyse. Forklaring<\/i> her<\/i><\/a><\/noindex>.<\/p>\n

Uten statistikk vil du sitte fast og ikke kunne forst\u00e5 om den nylig formulerte uttalelsen t\u00e5ler kritikk, og uten analyse m\u00e5 du g\u00e5 blindt med liten sjanse til \u00e5 temme det ukjente. Dette er et vanskelig valg.<\/p>\n

Utgangen for en sharlatan fra denne knipen er \u00e5 ignorere den og deretter late som de er overrasket over det som plutselig oppdages. Logikken bak testing av statistiske hypoteser reduseres til sp\u00f8rsm\u00e5let: Er dataene overraskende nok til \u00e5 endre oppfatningen v\u00e5r? Hvordan kan vi bli overrasket over dataene hvis vi allerede har sett dem?<\/p>\n

Hver gang sharlataner finner et m\u00f8nster, blir de inspirert, og deretter tester de de samme dataene<\/i> for i det samme m\u00f8nsteret<\/i>, for \u00e5 publisere et resultat med et legitimt p-verdi eller to, ved siden av teorien deres. Dermed lyver de for deg (og kanskje for seg selv ogs\u00e5). En slik p-verdi spiller ingen rolle hvis du ikke holder deg til hypotesen din. til<\/b> hvordan de har sett p\u00e5 dataene sine. Svindlere imiterer handlingene til analytikere og statistikere uten \u00e5 forst\u00e5 \u00e5rsakene. Som et resultat f\u00e5r hele data science-feltet et d\u00e5rlig rykte.<\/p>\n

Ekte statistikere trekker alltid sine konklusjoner.<\/h2>\n

\nTakket v\u00e6re den nesten mystiske statusen til statisticspecialister som driver med strenge resonnementer, er mengden falsk informasjon innen data science rekordh\u00f8y. Det er lett \u00e5 bli lurt og ikke bli tatt, spesielt hvis en intetanende person tror at alt handler om ligninger og data. Et datasett er bare et datasett, ikke sant? Nei. Det betyr noe hvordan du bruker det.<\/p>\n

Heldigvis trenger du bare ett hint for \u00e5 fange svindlere: de \u00aboppdager Amerika i etterkant\u00bb. Ved \u00e5 gjenoppdage fenomener som de allerede vet er til stede i dataene. <\/p>\n

I motsetning til svindlerne har gode analytikere ingen fordommer og forst\u00e5r at inspirerende ideer kan ha mange forskjellige forklaringer. Samtidig definerer gode statistikere n\u00f8ye sine konklusjoner f\u00f8r de gir dem.<\/p>\n

Analytikere er fritatt for ansvar... s\u00e5 lenge de holder seg innenfor grensene av dataene sine. Hvis de blir fristet til \u00e5 p\u00e5st\u00e5 noe de ikke har sett, er det en helt annen jobb. De b\u00f8r \u00abta av skoene\u00bb til analytikeren og \u00abbytte til\u00bb statistikeren. Uansett hva den offisielle jobbtittelen er, finnes det ingen regel som sier at du ikke kan studere begge yrkene hvis du \u00f8nsker det. Bare ikke forveksle dem.<\/p>\n

Hvis du er god i statistikk, betyr det ikke at du er god i analyse, og vice versa. Hvis noen pr\u00f8ver \u00e5 si deg det motsatte, b\u00f8r du v\u00e6re p\u00e5 vakt. Hvis denne personen sier at det er lov \u00e5 gj\u00f8re statistiske slutninger p\u00e5 dataene du allerede har studert, er det grunn til \u00e5 v\u00e6re dobbelt s\u00e5 skeptisk.<\/p>\n

Fantasifulle forklaringer<\/h2>\n

\nN\u00e5r du observerer datasharlataner i naturen, vil du merke at de elsker \u00e5 dikte fantasifulle historier for \u00e5 \u00abforklare\u00bb de observerte dataene. Jo mer akademisk, jo bedre. Det spiller ingen rolle at disse historiene er tilpasset i ettertid.<\/p>\n

N\u00e5r skarlataner gj\u00f8r dette \u2014 la meg ikke v\u00e6re sparsom med ord \u2014 lyver de. Ingen mengde ligninger eller vakre begreper kan kompensere for det faktum at de har levert null bevis for sine p\u00e5stander. Ikke bli overrasket over hvor merkverdige forklaringene deres er.<\/p>\n

Det er det samme som \u00e5 demonstrere sine \u00abekstrasensoriske\u00bb evner ved f\u00f8rst \u00e5 se p\u00e5 kortene i henda, og deretter forutsi hva du holder ... det du holder. Dette er en retrospektiv skjevhet, og yrket som data scientist er overfylt med det.<\/p>\n

\"Hvordan<\/p>\n

Analytikere sier: \u00abDu gikk nettopp med kl\u00f8verdronningen\u00bb. Statistikere sier: \u00abJeg skrev ned mine hypoteser p\u00e5 dette lille papiret f\u00f8r vi begynte. La oss spille, se p\u00e5 noen data og se om jeg har rett\u00bb. Skarlataner sier: \u00abJeg visste at du kom til \u00e5 g\u00e5 med denne kl\u00f8verdronningen, fordi ... \u00bb <\/p>\n

Datasplitting er en rask l\u00f8sning p\u00e5 problemet som alle trenger.<\/p><\/blockquote>\n

\nN\u00e5r det ikke er s\u00e5 mye data, m\u00e5 man velge mellom statistikk og analyse, men n\u00e5r det er data i overflod, er det en fantastisk mulighet til \u00e5 bruke analyse uten \u00e5 jukse. og<\/i> Statistikk. Du har den perfekte beskyttelsen mot skarlataner \u2014 det er datasplitting, og etter min mening er det den mest kraftfulle ideen innen datavitenskap. <\/p>\n

For \u00e5 beskytte deg mot skarlataner, er alt du trenger \u00e5 gj\u00f8re \u00e5 s\u00f8rge for at du oppbevarer noen testdata utenfor rekkevidde for deres nysgjerrige blikk, og deretter behandle alt annet som analyse. N\u00e5r du kommer over en teori du risikerer \u00e5 akseptere, bruk den til \u00e5 vurdere situasjonen, og deretter \u00e5pne dine hemmelige testdata for \u00e5 sjekke at teorien ikke er tull. Det er s\u00e5 enkelt!<\/p>\n

\"Hvordan
\nS\u00f8rg for at ingen f\u00e5r se testdataene i forskningsfasen. For dette, hold deg til forskningsdata. Testdata skal ikke brukes til analyse.<\/p>\n

Dette er et stort fremskritt sammenlignet med hva folk var vant til i epoken av \u00absm\u00e5 data\u00bb, hvor du m\u00e5tte forklare hvor du vet det du vet for til slutt \u00e5 overbevise folk om at du faktisk vet noe.<\/p>\n

Vi bruker de samme reglene for ML\/AI<\/h2>\n

\nNoen svindlere som utgir seg for eksperter innen ML\/AI er ogs\u00e5 lette \u00e5 oppdage. Du fanger dem p\u00e5 samme m\u00e5te som du ville fanget hvilken som helst annen d\u00e5rlig ingeni\u00f8r: \u00abl\u00f8sninger\u00bb som de pr\u00f8ver \u00e5 bygge, mislykkes stadig. Et tidlig varseltegn er mangel p\u00e5 erfaring med standardbransjespr\u00e5k og programmeringsbiblioteker.<\/p>\n

Men hva med folk som lager systemer som ser ut til \u00e5 fungere? Hvordan vet man at det foreg\u00e5r noe mistenkelig? Den samme regelen gjelder! Svindleren er en lunefull karakter som viser deg hvor godt modellen fungerte\u2026 p\u00e5 de samme dataene de brukte til \u00e5 lage modellen.<\/p>\n

Hvis du har laget et ekstremt komplisert maskinl\u00e6ringssystem, hvordan vet du hvor bra det er? Du vil ikke vite det f\u00f8r du viser at det fungerer med nye data som det ikke har sett f\u00f8r.<\/p>\n

N\u00e5r du har sett dataene f\u00f8r prognoseringen \u2014 er det lite sannsynlig. dette<\/i>utsagnet.<\/p><\/blockquote>\n

\nN\u00e5r du har nok data til \u00e5 dele, trenger du ikke \u00e5 referere til skj\u00f8nnheten i formlene dine for \u00e5 rettferdiggj\u00f8re prosjektet (en gammel vanesvakhet jeg ser overalt, ikke bare i vitenskapen). Du kan si: \u00abJeg vet at dette fungerer fordi jeg kan ta et datasett som jeg ikke har sett f\u00f8r, og n\u00f8yaktig forutsi hva som vil skje der\u2026 og jeg vil ha rett. Gang etter gang.\u00bb<\/i><\/p>\n

\u00c5 teste modellen\/teorien din p\u00e5 nye data er den beste grunnen til \u00e5 stole p\u00e5 den.<\/p><\/blockquote>\n

\nJeg tolererer ikke datakriminelle. Jeg bryr meg ikke om din mening er basert p\u00e5 ulike detaljer. Jeg er ikke imponert over skj\u00f8nnheten i forklaringene. Vis meg at teorien din\/modellen fungerer (og fortsetter \u00e5 fungere) p\u00e5 et bredt spekter av nye data som du aldri har sett f\u00f8r. Dette er den virkelige testen av holdbarheten i din mening.<\/p>\n

Henvende seg til spesialister innen Data Science<\/h2>\n

\nHvis du vil at alle som forst\u00e5r denne humoren skal ta deg seri\u00f8st, slutt \u00e5 gjemme deg bak rare likninger for \u00e5 opprettholde personlige fordommer. Vis hva du har. Hvis du \u00f8nsker at de som \"forsto\" skal se p\u00e5 teorien\/modellen din som noe mer enn bare inspirerende poesi, ha mot til \u00e5 lage en spektakul\u00e6r fremvisning av hvor godt den fungerer p\u00e5 et helt nytt datasett... foran vitner!<\/p>\n

Henvendelse til ledere<\/h2>\n

\nAvvis \u00e5 ta noen \"ideer\" om data seri\u00f8st f\u00f8r de er testet p\u00e5 nye<\/i> data. Vil du ikke anstrenge deg? Hold deg til analyse, men stol ikke p\u00e5 disse ideene \u2014 de er up\u00e5litelige og har ikke v\u00e6rt testet for p\u00e5litelighet. Dessuten, n\u00e5r en organisasjon har rikelig med data, er det ingen mangel p\u00e5 \u00e5 gj\u00f8re deling til grunnlaget for vitenskap og opprettholde det p\u00e5 infrastruktur-niv\u00e5, ved \u00e5 kontrollere tilgang til testdata for statistikk. Dette er en utmerket m\u00e5te \u00e5 stoppe fors\u00f8k p\u00e5 \u00e5 lure deg!<\/p>\n

Hvis du vil se flere eksempler p\u00e5 svindlere som planlegger noe ondt \u2014 her er en fantastisk tr\u00e5d p\u00e5 Twitter<\/a><\/noindex>.<\/p>\n

Resultater<\/h2>\n

\nN\u00e5r data er for lite for deling, er det bare en svindler som pr\u00f8ver \u00e5 f\u00f8lge inspirasjonen strengt, og tilbakekaller Amerika retroaktivt, matematisk gjenoppdager fenomener som allerede er kjent for \u00e5 eksistere i dataene, og kaller overraskelsen statistisk signifikant. Dette skiller dem fra den upartiske analytikeren som h\u00e5ndterer inspirasjon, og den grundige statistikeren som tilbyr bevis ved prognoser.<\/p>\n

N\u00e5r det er mye data, bli vant til \u00e5 dele dataene, s\u00e5 kan du f\u00e5 det beste fra begge verdener! S\u00f8rg for \u00e5 gj\u00f8re analyse og statistikk separat for separate undergrupper av det opprinnelige datast\u00f8yet.<\/p>\n