数据科学导论 |关键部件 |类型和机会

什么是数据科学？

数据科学是一个跨学科领域，涉及使用科学方法、过程和系统来收集、准备和分析结构化和非结构化形式的数据。数据科学利用各个领域，包括数学、统计学、数据库、信息科学和计算机科学。数据可以有多种类型和各种大小。

需要将数据科学作为一个单独的领域：

将数据科学提升到一个单独的领域水平的主要原因是我们周围的数据呈指数级增长。据估计，到 2020 年，每秒将产生约 1.7 兆字节的数据。数字数据积累将达到 44 万亿字节。有了如此大量的数据，理解和存储它变得越来越困难。因此，我们需要一种方法来研究和理解这些数据。因此，数据科学被认为是一个独立的领域。

我们身边的数据科学：

公司正在使用数据科学来了解公司内部的数据流程并轻松对其进行排序。例如，谷歌使用数据科学来个性化在用户使用的网站上向用户显示的广告。这是通过他们的计划 AdSense 完成的，该计划允许发布商向目标受众提供内容。

同样，优步会计算要向客户收取多少费用、何时提供折扣以及向谁提供折扣。 Airbnb 通过使用数据科学估计他们应该租房的价格来帮助人们。简单来说，我们可以通过将客户和用户视为原始数据来理解这一点，数据科学有助于解释这些数据。

政府和非政府组织中的数据科学：

数据是政府组织的重要资产。每天收集的数据量都在增加。因此，他们需要一种对所有这些数据进行排序和存储的方法，这可以通过数据科学来完成。同样，非政府组织也使用数据科学。世界自然基金会使用数据科学来显示有关野生动物问题的统计信息，从而使其事业有效。

数据科学的机会：

随着数据科学领域的不断发展，该领域的工作机会也呈指数级增长。 LinkedIn 对数据科学工作增长的分析显示，数据科学领域出现了大幅增长，尤其是在过去 30 年中。如果您对数据科学感兴趣，可以在线获得免费课程。在公共休息室查看本教程。

关键组件：

现在我们将让您深入了解数据科学及其各个组成部分。

1：编程：

数据科学是关于数据的。为了组织和分析这些数据，我们使用编程。编程语言有多种类型。最普遍的两个是 Python 和 R。

Python： Python 是最易读、最灵活的编程语言，因此得到了广泛的应用。它有许多强大的统计和数值包，包括 NumPy 和 pandas、Matplotlib、Tensorflow、iPython 等。Python 更快更容易学习。

R: R 是另一种编程语言，但其中大部分都专注于统计和图形技术。 R 在统计学家和数据挖掘者中广泛用于开发统计软件和数据分析。它是一种开源语言。

2：数据及其类型：

下一个关键组件是数据本身。为了理解数据，我们必须首先了解它的类型。

结构化数据： 结构化数据是指具有高度组织性的信息。它可以很容易地以表格形式表示，可以在数据库中存储和处理。

非结构化数据： 非结构化数据是没有数据模型或没有组织的信息。它可能包含文本或数据，例如日期、数字、电子邮件、PDF 文件、图像、视频等。

自然语言： 用于交流的书面语言形式的数据，如英语、西班牙语和乌尔都语等。它可以被认为是非结构化数据的一个子类型。

图像、视频、音频： 图像、视频和音频在形式上也是非结构化的。它们是使用相机和麦克风生成的。在智能手机中的使用越来越多，每天都会保存和处理图像和视频。

基于图表的数据： 图是一组顶点和边。它是一种数学结构，用于显示两个实体之间的关系。

机器生成： 机器生成的数据是由计算机系统、应用程序或机器在没有人类参与的情况下创建的。

3：统计、概率及其与数据科学的关系：

统计： 统计学是数学的一个分支，它处理数据的收集、解释、分析、呈现和组织。它使用 pro0gamming 来分析数据。

概率： 概率是事件发生的可能性的量度。它被量化为一个介于 0 和 1 之间的数字，其中 0 表示不可能，1 表示确定。

与数据科学的关系： 统计和概率都与数据科学有关。它们是处理和分析数据的基础。我们使用与数据科学相关的这两种科学来正确解释数据。

4：机器学习：

机器学习是源于人工智能的计算机科学领域。它使用统计技术使计算机无需编程即可学习。机器通过改变结构或程序来逐步提高其在特定任务上的性能。机器学习有三个主要目标。一、学习这些变化的变化和表现。其次，为了概括性能，因此它不是对单个任务有效，而是对类似任务有效。第三。提高机器的性能并找到防止性能下降的方法。在数据科学中，机器学习用于算法、回归和分类方法。它用于预测以不同方式处理的数据的结果。

5：大数据：

大数据是数据量如此之大，以至于存储或处理这些数据需要大量计算机的名称。它的特点是三个V：

音量： 大量数据，从 TB 到 zettabytes。

品种： 数据可以显示出大量的多样性和多样性。它可以是两种或多种数据类型的混合，例如结构化和非结构化两种。

速度： 数据正在以不断增长的速度生成。本质上是数据的速度。

在数据科学中，数据被分为多种形式和类型。大数据可以指无法使用传统应用程序处理的海量数据。数据科学家使用不同的工具来研究和处理大数据，例如 Hadoop、Spark、R 和 Java 等。