毫无疑问，Kaggle是非常适合学习数据科学的平台。许多数据科学家在Kaggle上投入了大量时间。
但同时，你不应该只依靠Kaggle来提高数据科学技能。
以下就是当中的原因：
01、数据科学不仅仅是预测
Kaggle主要针对预测方面的问题。然而许多现实问题是与预测无关的。
例如，许多公司都想知道用户流失的常见途径。解决这类问题需要了解不同的数据类型和用户接触点，例如web导航、计费、客服中心交互、商店访问等。同时还需要识别重要事件，例如超额计费或导航错误。在确定所有事件后，你需要应用路径算法来了解用户流失的常见路径。解决这类问题不能仅靠预测算法，而需要能根据事件构建时间线的算法。
同样，解决许多其他问题也需要预测之外的技能。能解决预测性问题是很强大的，但作为数据科学家，你需要解决多种类型的问题。因此你不能仅局限于Kaggle，还需要用其他技能解决现实的数据科学挑战。
02、无法提高图算法方面的技能
社交网络分析、影响预测、社区分析、欺诈网络分析等，这些有趣的分析问题都是数据科学家需要解决。解决这类问题需要有关图形算法的知识，如Pagerank、Modularity、ShortestPath、EigenVectorCentrality等等。
网络或社区类型问题在Kaggle中很少见。解决图形和网络方面问题需要节点和链接相关数据，而Kaggle中大多数数据并不是这种形式的。
当然，你可以将问题转换为使用图算法，但这种情况很少。Kaggle上缺少这类的比赛，这也表明了与数据科学家日常需要解决问题的巨大差距。
03、无法提高算法可解释性
算法的可解释性越来越重要。你可以使用高大上的方法和最复杂的算法，但如果无法解释算法是怎样得到预测的，在企业中这将是一个大问题。这种说不清缘由的算法被称为“黑匣子”算法。
使用黑盒算法存在一定的隐患，而且也可能造成法律方面的问题。假设，你开发了一种非常精确的算法集合来预测信用风险。在投入生产时，它将用于预测信贷风险。其中有些人的信用得分会很低，被拒绝贷款的人有权知道他们申请被拒的原因。如果算法无法提供解释，则可能会产生法律问题。
在Kaggle比赛中，获胜者是基于准确性，而不是基于可解释性。这意味着比赛中数据科学家可以使用复杂的算法来保证高准确性，而不必关心可解释性。这种方法能够赢得比赛，但在企业的数据科学项目中就行不通了。
04、缺少投资回报率的分析环节
公司正在加大数据科学技能方面的投入。他们希望数据科学项目能够提供投资回报率。通常，成功的分析项目需要数据科学算法与投资回报率紧密相关。
其中一个例子是预测性维护，其中能够对设备故障进行预测。假设设备的故障率为10%，那么你需要派维护人员去进行检查吗?可能并不需要。但如果故障率为95%，那是肯定需要的。
然而在实际情况中，故障率通常为55%，63%等，这时就不确定了。如果公司派维护人员检查所有这些设备，则可能产生巨大的成本。如果不派人检查，则会有很大的设备故障风险。
那么故障率的阈值应该是多少呢?这时就需要计算投资回报率了。因此非常需要数据科学家给出当中的阈值，从而帮助公司确定相关决策。
Kaggle并不涉及这方面的分析，而只专注预测，并不考虑如何把数据科学结果应用于投资回报率。
05、不会涉及到模拟和优化问题
关于模拟和优化算法，比如系统动态仿真、基于代理模拟或蒙特卡罗模拟等应该是所有数据科学家的必备技能。金融优化、路线优化、定价等许多问题都是数据科学家需要解决的问题。
以价格预测为例，你可以使用机器学习，根据季节、日期、地点、竞争对手价格等数据来预测产品价格。但机器学习算法预测的价格是否是最优价格?也许不是。为了确定最优价格，你首先要确定优化目标。
优化目标可以设为利润优化。在这种情况下，你需要确定提供最佳利润的价格范围。为了留住用户，这样的价格不能设太高。同时，为了保持良好的利润率，也不应该太低。
因此，你需要通过优化算法来确定最佳价格范围。如果预测价格在价格范围内，那么机器学习的结果是可以接受的，否则应被拒绝。
在Kaggle上，通常不会给出利润优化等优化目标。因此，当中涉及的问题仍然局限于机器学习，而并没有探索优化方面的问题。
06、无法体验模型部署和操作
假设你的模型在Kaggle排行榜位居前列。然而部署模型是完全另外一回事，这是在Kaggle上无法体验的。
生产部署模型会涉及到docker、kubernetes等技术。虽然数据科学家并不需要成为docker和kubernetes方面的专家，但至少要能够熟练使用。很多情况下，数据科学家需要用docker创建评分管道。
操作和部署还包括定期监控模型性能，并在必要时采取改进措施。假设有一个产品推荐模型，你在某个时间点观察到，由于推荐而导致销售额下降。那么问题是出在模型上吗?还是其他方面呢?
数据科学家需要参与到模型部署环节，从而获得获得真实而丰富的体验。
结语
数据科学家需要涉及算法可解释性、投资回报率评估、优化等技能。在这一系列问题中，你将解决各种有趣的现实问题，从而更全面的提高数据科学相关技能。
对于数据科学家而言，不要仅局限于Kaggle，而是要从其他角度解决不同类型的数据科学问题。
第三十八届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：pingxiaoli
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
