数据科学家模型预测准确度考核表

数据科学家模型预测准确度考核表考核项目考核要素考核内容标准分自评考核评分实际完成情况模型准确性（30%）模型总体准确率评估模型在所有测试数据上的预测准确率，包括但不限于分类和回归任务。15模型准确性（30%）模型AUC值评估模型在分类任务中的AUC值，数值越高表示模型性能越好。15模型准确性（30%）模型召回率评估模型在分类任务中的召回率，数值越高表示模型对正类样本的识别能力越强。15模型准确性（30%）模型F1分数评估模型在分类任务中的F1分数，是精确率和召回率的调和平均值。15模型准确性（30%）模型均方误差评估模型在回归任务中的均方误差，数值越低表示模型预测的稳定性越好。15模型稳定性（20%）模型方差评估模型预测结果的方差，数值越低表示模型预测结果越稳定。10模型稳定性（20%）模型对特征变化的敏感度评估模型对输入特征变化的敏感度，低敏感度表示模型对特征变化的鲁棒性更强。10模型稳定性（20%）模型在时间序列数据上的表现评估模型在时间序列数据上的预测性能，高表现表示模型能够有效捕捉时间序列数据的趋势。10模型稳定性（20%）模型在不同数据集上的泛化能力评估模型在不同数据集上的泛化能力，高泛化能力表示模型能够适应新的数据环境。10模型稳定性（20%）模型在异常值处理上的表现评估模型在处理异常值时的表现，高表现表示模型能够有效应对异常数据。10模型效率（20%）模型训练时间评估模型训练所需的时间，时间越短表示模型训练效率越高。10模型效率（20%）模型预测速度评估模型进行预测所需的时间，时间越短表示模型预测效率越高。10模型效率（20%）模型内存占用评估模型在运行过程中的内存占用，占用越低表示模型资源利用率越高。10模型效率（20%）模型可扩展性评估模型的可扩展性，高可扩展性表示模型能够适应大规模数据处理。10模型效率（20%）模型代码质量评估模型代码的质量，良好的代码质量有利于模型的可维护性和可读性。10模型创新性（30%）模型算法创新评估模型所采用的算法是否具有创新性，高创新性表示模型在算法上有显著突破。15模型创新性（30%）模型应用场景创新评估模型应用场景的创新性，高创新性表示模型能够应用于新的领域或问题。15模型创新性（30%）模型性能优化创新评估模型在性能优化方面的创新性，高创新性表示模型在性能上有显著提升。15模型创新性（30%）模型跨学科应用创新评估模型在跨学科应用方面的创新性，高创新性表示模型能够结合不同学科的知识。15模型创新性（30%）模型实际应用效果评估模型在实际应用中的效果，显著效果表示模型能够产生实际价值。15本考核表旨在评估数据科学家在模型预测准确度方面的表现，以下四个维度将全面覆盖其工作职责，每个维度下的指标均有具体的目标值和详细的考核内容。考核得分项目内容考核周期□年度□半年度□季度□月度（请勾选）：______年______月至______年______月被考核人信息姓名：________________部门：________________岗位：________________考核人信息姓名：________________职务：________________考核日期：______年______月______日综合评语（包括优势、待改进项、发展潜力等）绩效等级建议□S（卓越）□A（优秀）□B（良好）□C（需改进）□D（不合格）面谈记录摘要被考核人意见签字确认被考核人签字：__________日期：______年______月______日考核人签字：__________日期：______年______月______日在“考核维度”“考核指标”“目标值/期望成果”和“权重”栏中，由考核人与被考核人共同协商确定具体考核项目。指标可基于KPI、OKR或其他绩效管理方法设定。被考核人根据实际完成情况填写“自评得分”及“实际完成情况简述”；考核人独立完成“上级评分”，并可参考自评内容进行校准。按公式“加权得分=上级评分×权重%”计算每项得分，汇总得出“总分”。考核人与被考核人进行正式绩效面谈，填写“综