人机交互|2022年十大最实用的数据科学技术( 二 ) 人机交互

讲故事是指“如何”跟别人表达你的见解和模型。从概念上讲，如果我们用一本图画书做比喻，见解/模型就好比是书里的一张张图片，而“讲故事”则是串联起所有这些图片的叙述。
在科技界，讲故事和沟通是被严重低估的技能。从我的职业生涯来看，这种技能水平的高低，也代表着初级员工与资深员工和管理者之间的差距。
5. 回归/分类你要能够构建回归和分类模型，即预测模型，也许这些并不是你一直在做的事情，但如果你是一个数据科学家，雇主会希望你也能够承担起来。
【人机交互|2022年十大最实用的数据科学技术】即使这些事情你并不会经常做，你也必须精通，因为需要建立高效能的模型。在我迄今为止的职业生涯中，我只做过两个机器学习模型的产品化，但它们对业务的影响至关重要，是非常关键的任务模型。
因此你应该对数据预处理、增强算法、超参数调优和模型评估指标有充分的了解。
6. 解释模型通常人们会建立两种类型的模型，一种是预测模型，即根据一些输入的变量来猜测出一个结果；另一种是解释模型，它不是用来预测的，而是用来更好地理解输入变量和输出变量之间的关系。
解释模型通常使用回归模型创建，因为它们可以为理解变量之间的关系提供很多有用的统计数据。
解释模型的价值目前是被严重低估了，但是它真的非常有用，如果你想探索决策科学领域，解释模型是必不可少的。
7. A/B测试(实验)A/B测试是一种实验形式：将两个不同的群体进行比较，看哪一个基于给定的指标能够有更好的表现。
A/B测试可以说是企业界最实用的统计方法，应用范围也最广泛。 A/B测试允许你将100个或1000个细微的改进不断进行复合测试，随着时间的推移，持续的积累会产生重大的变化和改进。
如果你对数据科学统计感兴趣， A/B测试则是必须要了解和学习的。
8. 聚类在我个人的职业生涯中还没有使用过聚类，但它是数据科学的一个核心领域，即使不用，至少应该熟悉。
聚类在很多方面都很有用。通过它你可以找到不同的客户群，你可以用聚类来标记未标记的数据，你甚至可以用聚类来寻找模型的切入点。
9. 推荐虽然我自己的职业生涯中还没有建立过推荐系统，但它确实是数据科学中最实用的应用之一。推荐系统之所以强大，是因为它们有能力带来营收和利润。例如， Amazon声称他们的推荐系统在2019年将公司销售额提高了29% 。
因此，如果你的公司用户必须要面临选择，而且他们有很多选择，那么推荐系统可能对你们的业务非常有用，值得大力探索。
10. NLPNLP（即自然语言处理）是人工智能的一个分支，专注于文本和语音分析。与机器学习不同，我认为NLP还远未成熟，这也是它的有趣之处。
NLP有很多用例。