Если бы я был оценщиком, я бы задавал такие вопросы, как,
1) В чем проблема исследования / бизнеса?
Предложение: Начните отчет, четко указав вопрос
2) Какие существуют решения для решения проблемы?
Предложение: Добавьте краткий обзор литературы о существующих решениях для похожих проблем и их результатах, предпочтительно в табличном формате.
3) Кратко рассмотрим описательные и многомерные свойства данных.
Предложение: Добавить описательную и логическую статистику к данным, включая некоторые предварительные гипотезы, которые могут быть получены из переменных корреляций.
4) Почему вы выбрали именно этот подход для решения проблемы?
Предложение: Дайте достоверное обоснование, подкрепленное количественными гипотетическими примерами решений, которые поддерживают предлагаемый подход.
5) Если это задача классификации, я бы задал вопрос типа «Какова базовая точность модели?» И если это задача кластеризации, "Какова базовая линия для чистоты кластера?"
Предложение: найдите эту точность по распределению целевой переменной.
Наконец, вам нужно понять, почему задается такой открытый вопрос. Там может быть две возможности;
(a) Компания является новой со ссылкой на науку о данных и не уверена в том, что они ищут, то есть у них нет ни необходимого опыта для оценки навыков кандидата, либо они просто не уверены в том, что их требование , Если это так, то крайне важно, чтобы отчет был максимально простым и подробным. Держись подальше от метания жаргона.
ИЛИ
(b) компания имеет опыт работы с данными, и это тест на фильтрацию. Чтобы отфильтровать самопровозглашенные данные, разработанные специалистами по анализу данных, которые считают, что объединение некоторых готовых шагов решения (, таких как предварительная обработка, уменьшение размерности, моделирование ) решает проблему. Основная идея состоит в том, чтобы выяснить аналитические возможности кандидата.
Поэтому, напишите отчет с умом и убедитесь, что ничего не подделано.
Удачи.