<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "4e0f1773b9bee1be3b28f9fe2c71b3de",
  "translation_date": "2025-08-25T16:56:10+00:00",
  "source_file": "1-Introduction/01-defining-data-science/assignment.md",
  "language_code": "tw"
}
-->
# 作業：數據科學場景

在這份首次作業中，我們希望你思考一些現實生活中的流程或問題，涵蓋不同的問題領域，並考慮如何使用數據科學流程來改進它們。請思考以下問題：

1. 你可以收集哪些數據？
1. 你會如何收集這些數據？
1. 你會如何存儲這些數據？這些數據的規模可能有多大？
1. 你可能從這些數據中獲得哪些洞察？基於這些數據，我們可以做出哪些決策？

試著思考三個不同的問題/流程，並針對每個問題領域描述上述每一點。

以下是一些可以幫助你開始思考的問題領域和問題：

1. 你如何使用數據來改進學校中兒童的教育流程？
1. 你如何使用數據來控制疫情期間的疫苗接種？
1. 你如何使用數據來確保自己在工作中保持高效？

## 指導說明

填寫以下表格（如果需要，可以用你自己的問題領域替換建議的問題領域）：

| 問題領域 | 問題 | 收集哪些數據 | 如何存儲數據 | 我們可以做出的洞察/決策 | 
|----------|------|--------------|--------------|--------------------------|
| 教育     |      |              |              |                          |
| 疫苗接種 |      |              |              |                          |
| 生產力   |      |              |              |                          |

## 評分標準

優秀 | 合格 | 需要改進
--- | --- | -- |
能夠為所有問題領域識別出合理的數據來源、數據存儲方式以及可能的決策/洞察 | 解決方案的某些方面未詳細說明，未討論數據存儲，至少描述了兩個問題領域 | 僅描述了部分數據解決方案，僅考慮了一個問題領域。

**免責聲明**：  
本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵資訊，建議使用專業人工翻譯。我們對因使用此翻譯而產生的任何誤解或錯誤解釋不承擔責任。