You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "4e0f1773b9bee1be3b28f9fe2c71b3de",
"translation_date": "2025-08-25T16:56:18+00:00",
"source_file": "1-Introduction/01-defining-data-science/assignment.md",
"language_code": "hk"
}
-->
# 作業：數據科學場景
在這次的第一個作業中，我們希望你思考一些真實生活中的流程或問題，涵蓋不同的問題領域，並探討如何利用數據科學流程來改進它。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. 從這些數據中你可能獲得哪些洞察？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或流程，並針對每個問題領域描述上述的每一點。
以下是一些問題領域和問題，幫助你開始思考：
1. 如何利用數據改善學校中兒童的教育流程？
1. 如何利用數據在疫情期間控制疫苗接種？
1. 如何利用數據確保自己在工作中保持高效？
## 指引
填寫以下表格（如果需要，可以用自己的問題領域替代建議的問題領域）：
| 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
卓越 | 合格 | 需要改進
--- | --- | -- |
能夠為所有問題領域識別合理的數據來源、存儲方式以及可能的決策/洞察 | 部分解決方案的細節不足，未討論數據存儲，至少描述了兩個問題領域 | 僅描述部分數據解決方案，僅考慮了一個問題領域。
** 免責聲明**：
本文件已使用人工智能翻譯服務 [Co-op Translator ](https://github.com/Azure/co-op-translator ) 進行翻譯。儘管我們致力於提供準確的翻譯，請注意自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要信息，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
