説明
複数の変数が高度に相互に関連している場合は、より相関性の高い変数（指定されたオプションにはない）のいずれかを使用するか、この場合は両方の変数の関数である新しい変数を使用することを検討することをお勧めしますそれはBMI（ボディマス指数）である可能性があります。これは、次の式のように、重量と高さの両方の関数であるためです。BMI =体重/（身長*身長）

説明
この質問は、Blとデータサイエンスについてのあなたの理解を確認したいと思います。Blはすでに存在しており、分析チームはすでにそれを使用しています。彼らはいくつかの問題を解決するためにデータサイエンス技術を改善し、学ぶ必要があります。質問で与えられたオプションをチェックすると、混乱します。しかし、Blで働いたことがある場合、またはデータサイエンティストとして働いたことがある場合は、答えるのは簡単です。最初の3つのオプションは、レポートソリューション、過去6か月間に発生した売上、問題は何かなどを使用して簡単に回答できます。
ただし、最後の2つのオプションでは、すべてのシナリオが製品の販売に最適であるなどのデータサイエンス手法を適用する必要があります。データを収集し、そのためのさまざまな手法を適用する必要があります。したがって、最後の2つのオプションは、データサイエンス手法を使用してのみ回答できます。このためには、最適化、予測モデリング、構造化データと非構造化データの統計分析などの手法を適用する必要があります。

説明
はい、データサイエンティストは、創造的である必要がある複雑な問題を解決するようなスキルの組み合わせを持ち、新しいソリューションを見つけて既存のデータを使用できる必要があります。そして、必要な問題を解決するために必要なスキルはプログラミングです。現在、SAS、R：Python、Spark、Java、SPSSは、日々新しいテクノロジーが登場しています。
機械学習、またはAlを使用してさまざまな既存および新規のアルゴリズムを適用するには、優れた数学と統計のスキルが必要です（プログラマーが感じるところ、弱点）。必要なもう1つのスキルは、Qlik、Tableauなどの視覚化手法を使用することです。

説明
目標値を予測または予測しようとしている場合は、教師あり学習を調べる必要があります。そうでない場合は、教師なし学習があなたがなりたい場所です。教師あり学習を選択した場合、目標値は何ですか？はい/いいえ、1/2/3、A / B / C：または赤/黄/黒のような離散値ですか？もしそうなら、あなたは分類を調べたいと思います。目標値がいくつかの値を取ることができる場合、たとえば0.00から100.00までの任意の値、または-999から
999、または+ _to -_の場合、回帰を調べる必要があります。目標値を予測しようとしていない場合：教師なし学習を調べる必要があります。データをいくつかの個別のグループに適合させようとしていますか？もしそうなら、それがあなたが必要とするすべてです、あなたはクラスタリングを調べるべきです。各グループへの適合度を数値で見積もる必要がありますか？「はい」と答えた場合は、おそらく密度推定アルゴリズムを調べる必要があります。