چک لیست شاخص‌های ارزشیابی: - شناسایی سطح مورد پرسش در هرم دانش (اصول، قضاوت، بصیرت، اخلاق) - تعیین نوع داده (ساختاری، نیمه‌ساختاری، بدون ساختار) - تشخیص ویژگی‌های داده‌های نیمه‌ساختاریافته و ساختاری - درک مرحله تقسیم داده‌ها در فرآیند مدل‌سازی - شناخت درصد سهم داده‌های آموزشی در مجموعه داده‌ها - توانایی تشخیص نوع داده‌های مناسب برای تحلیل حسگرها و سیستم‌های پیش‌بینی - آگاهی از ترکیب داده‌ها در سیستم‌های خودران (ویدئو، سیگنال، متن، عکس) - تفاوت ویژگی‌های داده‌های بزرگ (5V) در اعتبارسنجی خبرهای معتبر و شایعات - علت ضعف مدل بازشناسی چهره در شب و اهمیت تنوع داده‌های آموزشی - تعریف و کاربرد نمونه‌های یادگیری نظارتی و بدون نظارت - مفهوم واژه «ژرف» در یادگیری عمیق و لایه‌های شبکه عصبی - مرحله تشخیص الگوهای ساده در مثال‌های بازشناسی چهره - مرحله پردازش صوت و حذف نویز در تحلیل صوت - عملیات پیش‌پردازش متن و تبدیل کلمات به بردارهای عددی - دلیل تبدیل کلمات به بردارهای عددی در پردازش زبان طبیعی - مفهوم «توهم» در تولید متن توسط مدل‌های زبانی - روش‌های استخراج ویژگی در بینایی ماشین و شبکه‌های عصبی - نمونه‌سازی و مهندسی ویژگی در مجموعه داده‌های ساختاری - مفهوم مدل‌های پیچیده و مشکلات مربوط به تفسیرپذیری آن‌ها - تحلیل مؤلفه‌های سری زمانی و مفهوم نویز در مدل‌سازی - کارکرد تحلیل مرکزیت در گراف و شبکه‌های پیچیده - نوع یادگیری در مدل ساخته‌شده در تبلت‌های هوشمند و تشخیص برچسب‌ها