做视频网站用什么开发,合肥市建设工程造价管理站网站,建设网站和公告号的意义,dz论坛做分类网站这是我学习 Data Science Research Methods 这门课程的笔记。这门课程的讲师是一名教授和数据科学家#xff0c;可能因为他既有理论背景#xff0c;又有实践经验#xff0c;所以整个课程听下来还比较舒服#xff0c;学到了一些不错的理论知识。这门课比较系统地介绍了什么… 这是我学习 Data Science Research Methods 这门课程的笔记。这门课程的讲师是一名教授和数据科学家可能因为他既有理论背景又有实践经验所以整个课程听下来还比较舒服学到了一些不错的理论知识。这门课比较系统地介绍了什么是研究Research有哪几种类型的研究它跟一般的数据科学有什么区别以及如何去做研究。研究分为基础性研究和应用性研究。研究和分析数据科学都是我们解决问题的一种手段而且比较容易混淆。简单地说他们有如下的根本区别分析是已经有数据而且往往问题已经提出来你要做的是在数据中找到一些规律来回答这个问题。研究从某种程度上包括了分析这个环节。但是它是要求研究者从头到尾掌握情况你遇到了一个现象然后你要定义问题这是最核心的不同然后根据问题的需求去收集数据然后分析等等。严格意义上来说做研究会有一个可以遵循的流程如下设定一个问题形成一个理论提出假设设计实验和测试包括收集调查表形成结论如果必要的情况下重复1到4最终结论在设定问题这个环节其实很不容易而且这很可能是区别好的研究人员和一般的研究人员的关键能力从人类行为和心理分析角度来看有如下的参考准则问题要尽量少1个或者最多2个问题要具体而不是抽象的探寻问题背后的问题即你到底为什么会有这个问题并非要取得博士学位才能做研究实际上每个人都可以是一个研究者。例如课程中讲了一个案例某一天你站在自家的楼下发现天花板上面漏水。你要解决这个问题。你会怎么定义问题呢一旦定义了问题你会形成一个自己的理论通常是对问题的详细描述然后你需要开始提出假设有可能会有多个接下来就是你怎么验证和测试你的假设了。这里面有一个很有意思的环节就是我们通常会依赖于向潜在的客户或用户做调查表来得到一些数据此时要特别注意学习受访者的心理规律以便你能得到真正有用的数据。尽量避免问WHY为什么因为人们通常并不知道你如果非要问那么他们就可能胡乱回答一下真有意思的观察避免问过于复杂的问题。这个其实是第一个原则的延申。避免隐含或明确的倾向。例如你拿了一个新的logo问别人新的logo是不是比旧的好。如果一个人感觉自己在被监控他的行为是不一样。例如你拿着糖果给五个小朋友做调查并说首先回答完成的前两位可以获得糖果等之类。尽量让受访者少知道背景让他们尽量“幼稚”避免偏见尽量扩大样本样本越大可信度越高。课程中的范例某个公司开发了一个绿色产品在前期小范围调研的时候反馈很好因为大家都觉得绿色的产品对环境有保护理应得到更多消费者的青睐。但实际上推向市场后反应却平平。研究人员需要解决这个问题。他该怎么提出问题呢怎么去假设和调查呢未完待续敬请关注。这门课程还有很多技术性的内容例如如何抽样等。后面消化消化一下给大家再分享。请通过 https://aka.ms/learningAI 或者扫描下面的二维码关注本系列文章《人工智能学习笔记》
