数据科学：概述，历史和常见问题解答

什么是数据科学？

数据科学是应用数学和统计数据根据大量复杂数据或大数据。

数据科学或数据驱动的科学将不同领域的各个方面与计算的有助于解释数据的转换，以实现决策目的。

数据来自不同部门，渠道和平台，包括手机，社交媒体，电子商务网站，医疗保健调查和互联网搜索。可用数据量的增加为基于大数据开辟了新的研究领域的大门 - 大量数据集有助于创建更好的运营工具部门。

由于技术和收集技术的进步，可以不断增加对数据的访问。可以根据收集的信息来监控购买模式和行为的个人。

但是，不断增长的数据是非结构化的，需要解析有效的决策。对于公司而言，此过程是复杂的，耗时的，因此是数据科学的出现。

数据科学或数据驱动的科学使用大数据和机器学习来解释用于决策目的的数据。

自1960年代初以来，“数据科学”一词一直在使用，当时它被同义为“计算机科学”。后来，该术语被不同以定义一系列不同应用程序中使用的数据处理方法的调查。

2001年，威廉·克利夫兰（William S. Cleveland）首次使用“数据科学”一词来指代独立的学科。《哈佛商业评论》在2012年发表了一篇文章，描述了数据科学家是“ 21世纪最性感的工作”。

数据科学结合了来自多个学科的工具，以收集数据集，过程并从数据集中获得见解，从集合中提取有意义的数据，并将其解释为决策目的。组成数据科学领域的纪律领域包括采矿，统计，机器学习，分析和编程。

数据挖掘将算法应用于复杂数据集，以揭示然后将其用于从集合中提取有用和相关数据的模式。统计措施或预测分析使用这些提取的数据来衡量将来可能发生的事件，这些事件会根据过去的数据发生的情况。

机器学习是一种人工智能工具，可以处理人类一生将无法处理的大量数据。机器学习通过将事件发生的可能性与预测时间实际发生的事情相匹配，完善了预测分析下提出的决策模型。

使用分析，数据分析人员使用机器学习阶段收集并处理结构化数据算法。分析师将数据解释为决策团队可以理解的凝聚力语言。数据科学实际上应用于所有环境，随着数据科学家的角色的发展，该领域将扩展到包含数据架构，数据工程和数据管理。

根据美国劳工统计局的数据，对计算机和信息研究科学家的需求预计将从2019年到2029年增长15％，速度要快得多。

数据科学家在许多情况下收集，分析和解释大量数据，以改善公司的运营。数据科学家专业人员开发了统计模型，分析数据集中的模式，趋势和关系。这些信息可用于预测消费者行为或确定业务和运营风险。

数据科学家的角色通常是讲故事的人的角色，向决策者展示数据见解的方式是可以理解且适用于解决问题的方式。

公司正在将大数据和数据科学应用于日常活动，以将价值带给消费者。银行机构正在利用大数据，以增强其欺诈检测成功。资产管理公司正在使用大数据来预测安全价格在指定时间上升或下降的可能性。

Netflix等公司挖掘了大数据，以确定将哪些产品交付给用户。 Netflix还使用算法根据其查看历史记录为用户创建个性化建议。数据科学正在以快速的速度发展，其应用将继续改变未来的生活。

是的，所有经验科学都会收集和分析数据。分开数据科学的是，它专门使用复杂的计算方法和机器学习技术来处理和分析大数据集。通常，这些数据集是如此之大或复杂，以至于无法使用传统方法对其进行正确分析。

数据科学可以通过看似非结构化或不相关的数据来识别模式，允许从看似非结构化或无关的数据中制作推断和预测。收集用户数据的科技公司可以使用技术将收集的内容变成有用或有利可图的信息的来源。

鉴于几个丑闻，例如剑桥分析，数据科学家使用个人数据来影响政治成果或破坏选举。