Data science

来自开放百科 - 灰狐
(版本间的差异)
跳转到: 导航, 搜索
(项目)
(文档)
 
(未显示1个用户的40个中间版本)
第1行: 第1行:
 
{{SeeWikipedia}}
 
{{SeeWikipedia}}
  
 +
Data Science
 +
 +
==简介==
 
数据科学(Data Science)是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学,统计,模式识别,[[machine learning|机器学习]],[[Data visualization|数据可视化]],[[Data warehouse|数据仓库]],以及高性能计算。
 
数据科学(Data Science)是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学,统计,模式识别,[[machine learning|机器学习]],[[Data visualization|数据可视化]],[[Data warehouse|数据仓库]],以及高性能计算。
  
 
数据科学通过运用各种相关的数据来帮助非专业人士理解问题。数据科学技术也可以帮助我们如何正确的处理数据并协助我们在生物,社会科学,人类学等领域进行研究调研。此外,数据科学也对商业竞争有极大的帮助。
 
数据科学通过运用各种相关的数据来帮助非专业人士理解问题。数据科学技术也可以帮助我们如何正确的处理数据并协助我们在生物,社会科学,人类学等领域进行研究调研。此外,数据科学也对商业竞争有极大的帮助。
 +
 +
==领域==
 +
*[[Data analysis|数据分析]]
 +
*[[data mining|数据挖掘]]
 +
*[[Business intelligence|商业智能]]
 +
*[[machine learning|机器学习]]
 +
*[[Statistics|统计]]
 +
*[[big data|大数据]]
  
 
==职业==
 
==职业==
第18行: 第29行:
  
 
[http://wiki.huihoo.com/images/3/30/The-Data-Science-Industry-Who-Does-What.png 点击大图],看详解。
 
[http://wiki.huihoo.com/images/3/30/The-Data-Science-Industry-Who-Does-What.png 点击大图],看详解。
 +
 +
==数据科学家==
 +
数据科学家的定义数据科学(Data Science)是从数据中提取知识的研究,关键是科学。数据科学集成了多种领域的不同元素,包括信号处理,数学,概率模型技术和理论,机器学习,计算机编程,统计学,数据工程,模式识别和学习,可视化,不确定性建模,数据仓库,以及从数据中析取规律和产品的高性能计算。数据科学并不局限于大数据,但是数据量的扩大诚然使得数据科学的地位越发重要。
 +
 +
数据科学的从业者被称为数据科学家。数据科学家通过精深的专业知识在某些科学学科解决复杂的数据问题。不远的将来,数据科学家们需要精通一门、两门甚至多门学科,同时使用数学,统计学和计算机科学的生产要素展开工作。所以数据科学家就如同一个team。
 +
 +
曾经投资过Facebook,LinkedIn的格雷洛克风险投资公司把数据科学家描述成“能够管理和洞察数据的人”。在IBM的网站上,数据科学家的角色被形容成“一半分析师,一半艺术家”。他们代表了商业或数据分析这个角色的一个进化。
 +
 +
数据科学家需要具备的能力:
 +
*数据科学家倾向于用探索数据的方式来看待周围的世界。(好奇心)
 +
*把大量散乱的数据变成结构化的可供分析的数据,还要找出丰富的数据源,整合其他可能不完整的数据源,并清理成结果数据集。(问题分体整理能力)
 +
*新的竞争环境中,挑战不断地变化,新数据不断地流入,数据科学家需要帮助决策者穿梭于各种分析,从临时数据分析到持续的数据交互分析。(快速学习能力)
 +
*数据科学家会遇到技术瓶颈,但他们能够找到新颖的解决方案。(问题转化能力)
 +
*当他们有所发现,便交流他们的发现,建议新的业务方向。(业务精通)
 +
*他们很有创造力的展示视觉化的信息,也让找到的模式清晰而有说服力。(表现沟通能力)
 +
*他们会把蕴含在数据中的规律建议给Boss,从而影响产品,流程和决策。(决策力)
 +
 +
来源:[https://www.zhihu.com/question/21592677/answer/24559554 知乎]
  
 
==项目==
 
==项目==
 
*[http://www.kdnuggets.com/2016/03/top-10-data-science-github.html Top 10 Data Science Resources on Github]
 
*[http://www.kdnuggets.com/2016/03/top-10-data-science-github.html Top 10 Data Science Resources on Github]
 +
*[[LabPlot]]
 +
*[[RKWard]]
 +
*[[KNIME]]
 +
*[[Metabase]]
 
*[[R Project]]
 
*[[R Project]]
 
*[[Incanter]]
 
*[[Incanter]]
 
*[[Anaconda python]]
 
*[[Anaconda python]]
 +
*[[Pandas]]
 
*[[Apache Spark]]
 
*[[Apache Spark]]
 
*[[Apache Flink]]
 
*[[Apache Flink]]
第35行: 第69行:
 
*[[Natural Language Toolkit]]
 
*[[Natural Language Toolkit]]
 
*[https://github.com/donnemartin/data-science-ipython-notebooks data-science-ipython-notebooks]
 
*[https://github.com/donnemartin/data-science-ipython-notebooks data-science-ipython-notebooks]
 +
 +
==公司==
 +
*[https://www.facebook.com/data Facebook Data Science]
  
 
==文档==
 
==文档==
 +
*[https://ocaml.xyz/tutorial/ Owl Online Tutorials] FUNCTIONAL PROGRAMMING MEETS DATA SCIENCE
 
*[http://docs.huihoo.com/data-science/an-introduction-to-data-science.pdf An Introduction to Data Science]
 
*[http://docs.huihoo.com/data-science/an-introduction-to-data-science.pdf An Introduction to Data Science]
 +
*[http://docs.huihoo.com/javaone/2015/CON6708-Java-and-Data-Science-in-Digital-Advertising.pdf Java and Data Science in Digital Advertising]
 +
*[http://docs.huihoo.com/eclipse/eclipsecon/europe2015/Eclipse-and-the-World-of-Data-Science.pdf Eclipse and the World of Data Science]
 +
*[http://docs.huihoo.com/kotlin/conference/2017/Kotlin-for-Data-Science.pdf Kotlin for Data Science]
  
 
==图集==
 
==图集==
 
<gallery>
 
<gallery>
 +
image:data-science.jpg|数据科学
 
image:how-data-science-works.jpg|数据科学
 
image:how-data-science-works.jpg|数据科学
 +
image:Data-Science-Lifecycle.png|数据科学生命周期
 
image:data-scientist.png|数据科学家
 
image:data-scientist.png|数据科学家
 +
image:software-engineer-data-engineer-data-scientist.jpg|数据工程师和数据科学家
 
image:orange-data-mining.png|Orange
 
image:orange-data-mining.png|Orange
 
image:foundational-methodology-for-data-science.jpg|方法论
 
image:foundational-methodology-for-data-science.jpg|方法论
 +
image:data-science.png|数据科学
 +
image:data-science-danger-zone.png|危险地带Danger Zone
 +
image:becoming-a-data-scientist.png|数据科学家之路
 +
image:data-science-learning-roadmap.jpg|学习路线图
 +
image:become-a-data-scientist-in-8-easy-steps.jpg|8步成为数据科学家
 +
image:python-basics.png|Python基础
 +
image:pandas-basics.png|Pandas基础
 +
image:numpy-basics.png|Numpy基础
 +
image:machine-learning-basics.png|机器学习基础
 +
image:machine-learning-algorithms.png|机器学习算法
 +
image:scikit-learn-basics.png|Scikit-learn基础
 +
image:plot-something.png|Plot
 +
image:data-wrangling-with-pandas.jpeg|Pandas
 +
image:keras-basics.jpeg|Keras基础
 +
image:Pentaho-PDI-DSP.png|Pentaho DSP
 +
image:data-information-knowledge-wisdom.png|DIKW
 +
image:CloverETL-Tutorial.png|CloverETL
 +
image:gartner-mq-2021-data-science-machine-learning-platforms.png|Gartner魔力象限2021
 +
image:Gartner-2018-Magic-Quadrant-for-Data-Science-and-Machine-Learning.png|Gartner魔力象限2018
 +
image:PFA-Portable-Format-for-Analytics.png|PFA
 
</gallery>
 
</gallery>
  
第50行: 第114行:
 
*[https://github.com/okulbilisim/awesome-datascience Awesome Data Science] [[image:awesome.png]]
 
*[https://github.com/okulbilisim/awesome-datascience Awesome Data Science] [[image:awesome.png]]
 
*[https://github.com/datasciencemasters/go The Open-Source Data Science Masters]
 
*[https://github.com/datasciencemasters/go The Open-Source Data Science Masters]
 +
*[https://www.analyticsvidhya.com/blog/2016/09/most-active-data-scientists-free-books-notebooks-tutorials-on-github/  Most Active Data Scientists, Free Books, Notebooks & Tutorials on Github]
 
*[https://www.datacamp.com/ DataCamp: The Easiest Way To Learn R & Data Science]
 
*[https://www.datacamp.com/ DataCamp: The Easiest Way To Learn R & Data Science]
 
*[http://zh.hortonworks.com/hadoop/data-science/ Data Science @ Hortonworks]
 
*[http://zh.hortonworks.com/hadoop/data-science/ Data Science @ Hortonworks]
 
*[http://101.datascience.community/2012/04/09/colleges-with-data-science-degrees/ Colleges with Data Science Degrees]
 
*[http://101.datascience.community/2012/04/09/colleges-with-data-science-degrees/ Colleges with Data Science Degrees]
*[http://www.kdnuggets.com/ KDnuggets]
+
*[http://www.kdnuggets.com/ KDnuggets] Analytics, Data Mining, and Data Science
 +
*[https://www.linkedin.com/pulse/business-intelligence-data-science-fuzzy-borders-rubens-zimbres Business Intelligence and Data Science: Fuzzy Borders]
 +
*[https://www.zhihu.com/question/21592677 如何成为一名数据科学家?]
  
 
[[category:big data]]
 
[[category:big data]]
 
[[category:data science]]
 
[[category:data science]]
 
[[category:computational science]]
 
[[category:computational science]]
 +
[[category:R]]
 +
[[category:fortran]]
 +
[[category:lisp]]
 
[[category:clojure]]
 
[[category:clojure]]
 +
[[category:haskell]]
 +
[[category:python]]
 +
[[category:F Sharp]]

2022年9月26日 (一) 11:45的最后版本

Wikipedia-35x35.png 您可以在Wikipedia上了解到此条目的英文信息 Data science Thanks, Wikipedia.

Data Science

目录

[编辑] 简介

数据科学(Data Science)是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学,统计,模式识别,机器学习数据可视化数据仓库,以及高性能计算。

数据科学通过运用各种相关的数据来帮助非专业人士理解问题。数据科学技术也可以帮助我们如何正确的处理数据并协助我们在生物,社会科学,人类学等领域进行研究调研。此外,数据科学也对商业竞争有极大的帮助。

[编辑] 领域

[编辑] 职业

与数据科学相关的职业和顾问形式:

  • Data Scientist, 受聘 Google ...
  • Data Analyst, 受聘 IBM ...
  • Data Architect, 受聘 VISA ...
  • Data Engineer, 受聘 Facebook ...
  • Statistician, 受聘 Linkedin ...
  • Database Administrator, 受聘 Twitter...
  • Business Analyst, 受聘 Oracle...
  • Data and Analytics Manager, 受聘 Coursera...

点击大图,看详解。

[编辑] 数据科学家

数据科学家的定义数据科学(Data Science)是从数据中提取知识的研究,关键是科学。数据科学集成了多种领域的不同元素,包括信号处理,数学,概率模型技术和理论,机器学习,计算机编程,统计学,数据工程,模式识别和学习,可视化,不确定性建模,数据仓库,以及从数据中析取规律和产品的高性能计算。数据科学并不局限于大数据,但是数据量的扩大诚然使得数据科学的地位越发重要。

数据科学的从业者被称为数据科学家。数据科学家通过精深的专业知识在某些科学学科解决复杂的数据问题。不远的将来,数据科学家们需要精通一门、两门甚至多门学科,同时使用数学,统计学和计算机科学的生产要素展开工作。所以数据科学家就如同一个team。

曾经投资过Facebook,LinkedIn的格雷洛克风险投资公司把数据科学家描述成“能够管理和洞察数据的人”。在IBM的网站上,数据科学家的角色被形容成“一半分析师,一半艺术家”。他们代表了商业或数据分析这个角色的一个进化。

数据科学家需要具备的能力:

  • 数据科学家倾向于用探索数据的方式来看待周围的世界。(好奇心)
  • 把大量散乱的数据变成结构化的可供分析的数据,还要找出丰富的数据源,整合其他可能不完整的数据源,并清理成结果数据集。(问题分体整理能力)
  • 新的竞争环境中,挑战不断地变化,新数据不断地流入,数据科学家需要帮助决策者穿梭于各种分析,从临时数据分析到持续的数据交互分析。(快速学习能力)
  • 数据科学家会遇到技术瓶颈,但他们能够找到新颖的解决方案。(问题转化能力)
  • 当他们有所发现,便交流他们的发现,建议新的业务方向。(业务精通)
  • 他们很有创造力的展示视觉化的信息,也让找到的模式清晰而有说服力。(表现沟通能力)
  • 他们会把蕴含在数据中的规律建议给Boss,从而影响产品,流程和决策。(决策力)

来源:知乎

[编辑] 项目

[编辑] 公司

[编辑] 文档

[编辑] 图集

[编辑] 链接

分享您的观点
个人工具
名字空间

变换
操作
导航
工具箱