Data-Science-For-Beginners/translations/hk/1-Introduction/01-defining-data-science/solution/assignment.md

作業：數據科學場景

在這個第一個作業中，我們要求你思考一些不同領域中的真實生活過程或問題，以及如何使用數據科學流程來改善它。請思考以下問題：

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

嘗試思考三個不同的問題/過程，並為每個問題領域描述上述每個點。

以下是一些問題領域和問題，幫助你開始思考：

1. 如何使用數據改善學校中兒童的教育過程？
2. 如何使用數據在疫情期間控制疫苗接種？
3. 如何使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	在大學中，我們通常發現課堂出席率較低，我們假設出席課堂的學生在考試中表現更好。我們希望刺激出席率並測試這一假設。	我們可以通過課堂中的安全攝像頭拍攝的照片，或通過追蹤學生手機的藍牙/無線網絡地址來追蹤出席情況。考試數據已經存儲在大學的數據庫中。	如果我們追蹤安全攝像頭的照片——我們需要存儲課堂期間拍攝的幾張（5-10張）照片（非結構化數據），然後使用人工智能識別學生的面部（將數據轉換為結構化形式）。	我們可以計算每位學生的平均出席率，並查看是否與考試成績有任何相關性。我們會在概率與統計部分中更詳細地討論相關性。為了刺激學生出席率，我們可以在學校門戶網站上公佈每週出席率排名，並在出席率最高的學生中抽獎。
疫苗接種
生產力

我們僅提供一個答案作為示例，以便你了解此作業的期望。

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、存儲數據的方法以及可能的洞察/決策	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：
本文件已使用人工智能翻譯服務 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權威來源。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。