非常激动地宣布，全球首个面向数据科学专业人士的自适应学习平台——DSAT，即数据科学自适应测试，正式启动！
在数据科学行业，经常遇到这样的场景：招聘经理抱怨说，自从开放这个职位以来已经过去6个月了，给候选人最多只能进入第一轮面试。已经损失了超过100万美元的机会。人力资源合作伙伴回应说，要求太具体了。需要一个了解银行领域、精通数字营销功能、并且能够处理大数据和非结构化数据的数据科学专业人士。已经给提供了最好的候选人，未来的候选人只会更差。需要放宽标准来填补这个职位。
相信，这并不是夸张。见过更激烈的讨论和招聘过程中的挫败感。随着数据科学、认知技术、信息技术、软件工程、半导体、数据架构等领域的融合，工作变得越来越技能密集，招聘也变得越来越复杂。这种学习和招聘的挑战，加上大约每季度20%的职位空缺增长，导致了跨行业的巨额经济损失。
那么，如何应对这种日益复杂的学习和招聘挑战呢？要回答这个问题，需要退一步，放大视野。
如果更喜欢视觉而不是口头解释，这里有一个快速视频，解释DSAT的逻辑，以及为什么它是数据科学专业人士和招聘经理的革命性产品：
历史上解决的问题的反思
回到1953年，每所商学院都面临着同样的挑战：申请者池低，选择过程非常操作密集，很难在这些学校之间建立被选中候选人的比较。
需要是发明之母——包括哈佛、芝加哥大学/密歇根/宾夕法尼亚等在内的前9所商学院，为了这个迫切的需求而聚集在一起，建立了一个最先进的入学测试，可以一次性解决所有这些挑战。
但是，一个单一的测试怎么能解决一切呢？
这一切都归结为可以轻松测量的定量指标。
以前是一个顶级4个城市的选择过程，现在可以扩展到整个美国，甚至渗透到农村地区。所有候选人都根据一个单一的指标进行评分，可以判断候选人的好坏。
有了这个分数，激烈的竞争最佳候选人的战斗在竞争市场中进行，而不是现有的代理模型。1997年，他们甚至解决了这个招生过程中唯一的挑战——通过计算机自适应测试评估整个池——这是当时最先进的技术。
与固定测试不同，这种计算机自适应测试可以区分每一个候选人，无论他们在人群中的位置如何。快进67年——现在有超过250,000次测试在100多个国家进行。是什么让这个测试如此受欢迎？全球公认的标准化自适应测试主题！
同样的挑战通过GRE在其他教育领域解决，通过CAT在印度商学院教育行业解决，通过SAT在美国本科招生中解决，等等。这些考试都不是纯粹的计算机自适应的——但他们都努力有一天能够达到那里。
为什么构建计算机自适应测试如此困难？
创建和设计计算机自适应测试的过程非常复杂。
一个简单的（固定）40个问题的测试只需要回答这40个问题。但是一个自适应的40个问题的测试至少需要400个问题，各种难度级别。给这些问题打上难度标签，反过来至少需要每个问题1000次尝试。所以，基本上需要400个问题，大约400,000次尝试，来自1000多个个体。
这应该给一个很好的味道，说明制作自适应测试需要什么，以及为什么这么多标准化测试没有扩展到真正的自适应。
所以想要回答的问题是——能否将这种智能/经验带入行业，解决学习和招聘挑战？
几个月前推出了一个名为Datamin的产品，以验证一个单一的产品是否可以解决行业的学习和招聘挑战。长话短说——答案是YES！
相信，一个类似于GMAT的单一产品可以彻底改变整个行业。
在Datamin成功推出后，戴上了社区帽子，为社区精心构建了一个产品，可以同时做到这两点。这是社区能够用Datamin实现的：
10,000+用户
500,000+问题尝试
99%的问题现在被标记为无歧义
想象一下能够创造的智能。利用这种智能将普通香草但上瘾的Datamin升级为第一个数据科学自适应测试——
DSAT。DSAT代表数据科学自适应测试。
DSAT将如何解决数据科学行业的现有招聘和学习挑战？
构建了一个插图信息图表来解释：
DSAT测试哪些技能？
主要有四个技能将在DSAT中工作（并被评估）。这是每个技能的低down：
DSAT将如何随着时间的推移而发展，对有多有用？
DSAT将为打开多个途径。这里有两个想要强调的广泛的途径。至少，可以在DSAT上工作数据科学技能，评估它们，了解哪些领域需要改进，然后在这方面工作：
另一个场景，迎合从有抱负的数据科学家到招聘经理的每个人，都是关于被潜在的数据科学招聘人员注意到。在DSAT上工作分数，向招聘经理突出它，有机会获得梦寐以求的数据科学角色：
结束笔记