数据科学导论 课件 第15章 数据科学的未来_第1页
数据科学导论 课件 第15章 数据科学的未来_第2页
数据科学导论 课件 第15章 数据科学的未来_第3页
数据科学导论 课件 第15章 数据科学的未来_第4页
数据科学导论 课件 第15章 数据科学的未来_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

第15章数据科学的未来15.1数据科学的挑战数据科学的四大科学任务（1）探索数据空间的结构与特性是数据科学研究的根本（2）建立大数据统计学是解决统计学向数据科学的急剧变革下某些方向性问题的关键环节（3）研究大数据存储计算技术的变革方法至关重要（4）人工智能是实现数据价值并彰显数据价值的代表性技术

数据科学的十大技术方向（1）在数据感知层面的物联网技术；（2）数据共享层面的互操作技术；（3）数据流通层面的大数据安全技术；（4）数据存储管理层面的新型数据库技术；（5）数据计算层面的分布式协同技术；（6）数据分析层面的大数据基础算法；（7）大数据智能技术；（8）数据应用层面的区块链基础；（9）数据展示层面的可视化；（10）人机交互技术。

从DIKW的视角来看，以上十大技术分别对应从数据到信息、从信息到知识以及从知识到智慧的不同层面上。

技术洞察15.1：2023年Gartner新兴技术成熟度第15章数据科学的未来15.2数据科学家团队数据科学与系统开发数据科学的目标是完成“三个转换与一个实现”全过程，这需要一个“数据科学系统”来支撑，而所谓的“产品开发系统”是数据科学研究结果的部署及实施。开发系统和数据科学系统之间的最主要区别在于，开发系统是持续运行的实时系统。而数据科学系统更关注“从数据到知识（模型）”，数据必须得到处理，模型必须不断更新。

数据科学家和开发人员的合作如何协调数据科学家和开发人员之间的合作是一个重大的挑战。从某种程度上来说，“数据科学家”还是一个新职业，但他们所做的工作明显有别于开发人员所做的工作，两者很容易在沟通上存在误解和障碍。数据科学家与软件开发人员的关注重点不同。技术洞察15.2：数据科学与开发系统的工作流开发人员常常尽量遵循一个明确定义的过程，其中涉及为独立的工作流创建分支程序，接着对各个分支进行检查，然后再并入主干。这一切是为了确保主干能以有序的方式完成开发。数据科学家也会编写大量代码，但这些代码常常是为了探索和尝试新的想法。数据科学家和开发人员的合作数据科学的职位与技能数据科学项目从研究开始到真实部署，实质上就是AI项目的真正实施，可分为数据工程、建模、部署、商业分析、AI架构等五部分工作内容。从数据科学开发流程来看这五种工作内容，不同职位的在整个流程中的位置不同，所需要的技能也不相同。数据科学的职位与技能大数据时代

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论