Data Scientist

1. Twój model świetnie radzi sobie na danych treningowych, ale na nowych danych wypada słabo. Co podejrzewasz?

Przeuczenie lub wyciek informacji — sprawdzam podział danych, upraszczam model i stosuję walidację krzyżową. Że nowe dane są gorszej jakości. Że to przypadek i nic nie trzeba zmieniać.

2. Jak podchodzisz do przygotowania zmiennych do modelu?

Łączę wiedzę o dziedzinie z analizą danych, tworzę nowe cechy i sprawdzam, które realnie poprawiają wyniki. Używam wszystkich kolumn w surowej postaci. Wybieram kolumny na chybił trafił.

3. Model ma przewidywać rzadkie zdarzenie, np. awarię maszyny. Jak oceniasz jego jakość?

Nie patrzę tylko na trafność — analizuję precyzję, czułość i koszty obu rodzajów pomyłek. Patrzę na ogólny odsetek trafnych przewidywań. Jeśli model działa, nie sprawdzam szczegółów.

4. Czy statystyka i matematyka — prawdopodobieństwo, algebra, rozkłady — to dla Ciebie przyjemność czy przykry obowiązek?

Przyjemność — lubię rozumieć, co dzieje się wewnątrz modelu. Raczej obowiązek, ale daję radę. Wolę ich unikać.

5. Model od kilku miesięcy działa w firmie, a jego wyniki stopniowo się pogarszają. Co robisz?

Sprawdzam, czy zmieniły się dane lub zachowania klientów, monitoruję dryf i ponownie trenuję model. Czekam, aż ktoś zgłosi problem. Wyłączam go i wracam do ręcznych decyzji.

6. Jak dokumentujesz swoje eksperymenty z modelami?

Zapisuję wersje danych, parametry i wyniki, a kod trzymam w repozytorium, żeby każdy mógł powtórzyć analizę. Zapisuję tylko najlepszy wynik. Nie dokumentuję, wszystko mam w głowie.

7. Kierownik prosi o model predykcyjny, ale danych jest bardzo mało. Co proponujesz?

Wyjaśniam ograniczenia, proponuję prostszy model lub zebranie dodatkowych danych i jasno opisuję niepewność wyników. Buduję skomplikowany model i liczę, że się uda. Odmawiam bez wyjaśnienia.

8. Czy cierpliwie szukasz błędu, gdy kod lub wyniki nie zgadzają się z oczekiwaniami?

Tak — metodycznie sprawdzam krok po kroku, aż znajdę przyczynę. Szukam przez chwilę, a potem odpuszczam. Zaczynam wszystko od nowa bez szukania przyczyny.

9. Programiści mają wdrożyć Twój model w aplikacji. Jak z nimi współpracujesz?

Uzgadniamy format danych wejściowych, wydajność i testy, a ja przygotowuję model w postaci gotowej do wdrożenia. Przekazuję im swój roboczy notatnik z kodem. Uważam, że to już wyłącznie ich zadanie.

10. Co najbardziej motywuje Cię do podjęcia studiów podyplomowych „Data Scientist”?

Chęć pracy jako data scientist i budowania modeli, które pomagają rozwiązywać realne problemy. Potrzeba lepszego zrozumienia uczenia maszynowego w mojej obecnej pracy. Nie jestem pewien/pewna, czy to dla mnie