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

作業：數據科學情境

在這次的作業中，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，並考慮如何利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？
2. 你會如何收集這些數據？
3. 你會如何儲存這些數據？這些數據的規模可能有多大？
4. 你可能從這些數據中獲得哪些洞察？我們可以根據這些數據做出哪些決策？

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。

以下是一些問題領域和問題，幫助你開始思考：

1. 如何利用數據改進學校中兒童的教育流程？
2. 如何利用數據在疫情期間控制疫苗接種？
3. 如何利用數據確保自己在工作中保持高效？

指導說明

請填寫以下表格（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	如何儲存數據	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勤率較低，我們假設出勤率較高的學生在考試中的表現會更好。我們希望提高出勤率並驗證這一假設。	我們可以通過課堂上的監控攝像頭拍攝的照片來追蹤出勤率，或者通過追蹤學生手機的藍牙/WiFi 地址來記錄出勤情況。考試數據已經存儲在大學的數據庫中。	如果我們追蹤監控攝像頭的圖像，我們需要儲存一些（5-10 張）課堂期間的照片（非結構化數據），然後使用 AI 識別學生的臉部（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勤率，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進一步討論相關性。為了提高學生的出勤率，我們可以在學校門戶網站上發布每週出勤排名，並在出勤率最高的學生中抽獎。
疫苗接種
生產力

我們提供了一個答案作為範例，讓你了解這次作業的期望。

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、數據儲存方式以及可能的決策/洞察	解決方案的某些方面不夠詳細，未討論數據儲存，至少描述了 2 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 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引起的任何誤解或錯誤解釋不承擔責任。