Kunal 带领一支由 3 名机器学习科学家组成的团队，专注于金融科技。一位擅长时间序列预测，一位擅长 NLP，第三位擅长传统机器学习。Kunal 需要将合适的任务分配给每位员工，以便他们能够高效开展工作。
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
我们将从给出数据科学的定义开始。您将学习数据科学工作流，以及数据科学如何应用于真实的业务问题。最后，我们将了解如何构建数据团队以满足组织的需求。
现在我们已经理解了数据科学的工作流，将更深入地探讨第一步：数据收集。您将学习公司可利用的不同数据来源，以及数据收集后应如何存储。
本章将讨论如何通过仪表板探索与可视化数据。我们会讲解仪表板的组成元素，以及如何提出有针对性的仪表板需求。本章还将介绍临时数据请求和 A/B 测试——这是一种能够降低决策风险的强大分析工具。
在最后一章，我们将讨论数据科学中最受关注的话题：机器学习！我们将讲解监督式与非监督式机器学习，以及聚类。接着，进入机器学习的专题内容，包括时间序列预测、自然语言处理、深度学习和可解释 AI！
当前练习
