内容
问：
为什么数据科学家寻求透明度很重要？
A：
透明度在数据科学项目和机器学习程序中至关重要，部分原因是驱动它们的复杂性和复杂性–因为这些程序是“学习”（生成概率结果）的，而不是遵循预定的线性编程指令的，因此，很难理解技术是如何得出结论的。机器学习算法的“黑匣子”问题是人类决策者无法完全解释的。
考虑到这一点，能够掌握可解释的机器学习或“可解释的AI”可能将成为公司如何追求数据科学家的人才获取的主要重点。已经为我们带来互联网的机构DARPA已经资助了数百万美元的可解释AI研究，试图提升创建对人类透明的机器学习和人工智能技术所需的技能和资源。
一种思考的方法是人才开发通常有一个“素养阶段”和“超素化阶段”。对于数据科学家来说，传统的素养阶段将是关于如何组合机器学习程序以及如何构建的知识。使用Python等语言的算法；如何构建神经网络并与之合作。超文化阶段将是掌握这些可解释的AI的能力，在使用机器学习算法时提供透明性，并在这些程序朝着其目标和处理程序的目标努力时保持透明性。
解释透明度在数据科学中的重要性的另一种方式是，所使用的数据集变得越来越复杂，因此有可能侵入人们的生活。另一个可解释的机器学习和数据科学的主要驱动力是最近实施的欧洲通用数据保护条例，旨在遏制不道德地使用个人数据。使用GDPR作为测试案例，专家可以了解解释数据科学项目的需求如何适应隐私和安全问题以及商业道德。