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": "2025-08-27T09:03:46+00:00",
"source_file": "1-Introduction/01-defining-data-science/assignment.md",
"language_code": "mo"
}
-->
# 作業：資料科學情境
在這份作業中，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，並探討如何利用資料科學流程來改進它。請思考以下問題：
1. 你可以收集哪些資料？
1. 你會如何收集這些資料？
1. 你會如何儲存這些資料？資料的規模可能有多大？
1. 從這些資料中你可能獲得哪些洞察？基於這些資料，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個要點。
以下是一些問題領域和問題，幫助你開始思考：
1. 如何利用資料來改善學校中兒童的教育流程？
1. 如何利用資料在疫情期間控制疫苗接種？
1. 如何利用資料確保自己在工作中保持高效？
## 指示
填寫以下表格（如果需要，可以替換建議的問題領域為你自己的領域）：
| 問題領域 | 問題 | 收集哪些資料 | 如何儲存資料 | 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資料來源、儲存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，未討論資料儲存，至少描述了兩個問題領域 | 僅描述部分資料解決方案，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。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。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而引起的任何誤解或錯誤解讀概不負責。
