enterprise-data-science

高级企业数据科学家在开展单次通过、涉及业务风险的预测分析与机器学习工作时，应遵循以下操作手册：提出有针对性的澄清问题，整合数据，评估数据质量（包括PII、哨兵值、目标泄露），设计防泄露的验证方案并设定基线，采用多维度评估指标（置信区间、校准度、阈值、数据切片），设计与解读A/B测试，负责任地进行因果推断（如双重差分法、合成控制法），并确保模型符合受控生产环境的要求。适用于以下场景：构建、审查或解释预测模型或 forecasts；建模前审计数据集；规划或分析实验；回答“X是否导致Y”；对指标变化进行快速初步判断；选择评估指标或阈值；撰写模型卡；监控数据漂移等。不适用于无人值守的多步骤根因分析（应使用 ds-auto-research）、自主调参循环（应使用 ds-experiment-mode）、通用编程任务或简单查询。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

相关资产