复盘数据科学项目的五个问题

实习了九个月以后，最大的感触就是一味地埋头做事很简单，但只有不停地复盘与思考，才能取得快速的成长。为了复盘之前做过的数据科学、机器学习项目，列了一个问题大纲来引导自己的思考，可以作为参考：

Objective

目标是什么？需要解决的是什么问题？该问题处于业务的哪一步？

Strategy

用了什么方法完成目标？这里可以进一步拆解成几步：

• 用了什么数据？进行了哪些预处理步骤？
• 用了哪个算法？调了哪些Hyperparameters？
• 用了哪些features？如何确定的这些features？
• 模型是如何进行的优化？
• 模型最终的产出结果是什么？

Measurement

• 用什么metrics来衡量模型的表现？这些metric的局限性是什么？
• 如何validate项目的结果？这些测试方法的优劣势有哪些？

Challenge

开发项目的过程中遇到了哪些重点问题和困难？如何解决的？下次是否能够做得更好？

Alternatives

是否有别的方法同样可以完成目标？为什么选择了目前这个方法？它们的优势和劣势分别是什么？