数据科学_广州新东方前途出国的博客-新东方前途出国

数据科学(Data Science)是从数据中提取知识的研究。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跨专业知识和技能以使得其可以在某些科学学科解决复杂的数据问题。通常，一个优秀的数据科学家需要精通一门、两门甚至多门学科，同时使用数学，统计学和计算机科学的技能去开展工作。所以数据科学家们的背景来源会非常的广泛。他们可能来自于数学，统计学，计算机科学，沟通，数据可视化等领域的专家。但是要一个人精通所有的专业方向是很困难的，所以有必要组建一个不同背景和专业的人形成一个团队。

数据科学的特点

数据科学研究的对象一般具有如下的特点：

1. 数据量大：一般认为处理数据的量级在PB级别以上。

2. 种类多：数据科学处理的数据可来源于文档，图片，视频，音频，数据库等。

3. 速度快：数据的生产速度很快，比如淘宝和京东的日访问量和日购买量都是非常巨大的，这就要求数据处理的速度也要很快，只有这样才能实现数据的时效性。

4. 价值大：及时数据处理出的结果可以对一个公司，组织甚至一个国家产生巨大的经济效益。

在现今阶段，由于B2B, B2C公司的快速发展和扩大，导致这样的互联网公司每天收集到的信息量都非常的巨大。比如淘宝网有超过3.7亿的会员，在线的商品超过8.8亿件，每天交易数超千万，产生的数据约20TB。又比如Facebook的注册用户超过8.5亿，每月上传约10亿张照片，每天产生的数据量约300TB。针对于这些来自于互联网公司的数据，它们也有着自己独特的特点。

1. 异构性：由于描述同一主题的数据可能由不同的用户、不同的网站产生。而这些数据又都有不同的表现形式，如音频、视频、图片、文本、等，导致了网络数据结构的异构性。

2. 交互性：不同于测量和传感获得的数据的唯一性，社交网站的兴起导致了大量网络数据具有很强相关性和交互性。

3. 时效性：在网络平台上，每时每刻都有大量新的网络数据被发布，其信息的内容不断的变化，导致了信息传播的时间相关性。

4. 高噪声：网络数据由于来源不同，平台不同，格式不同等，导致其具有很强的噪声背景。

数据科学家所需技能

由于上面的数据科学所面对的网络大数据的特点，使得数据科学家必须拥有以下几个方面的技能：

1. 计算机科学

一般来说，数据科学家大多要求具备编程、计算机科学相关的专业背景。简单来说，就是对处理大数据所必需的Hadoop、Mahout等大规模并行处理技术与机器学习相关的技能。

2. 数学、统计、数据挖掘等

除了数学、统计方面的素养之外，还需要具备使用SPSS、SAS等主流统计分析软件的技能。其中，面向统计分析的开源编程语言及其运行环境“R”最近备受瞩目。R的强项不仅在于其包含了丰富的统计分析库，而且具备将结果进行可视化的高品质图表生成功能，并可以通过简单的命令来运行。此外，它还具备称为 CRAN（The Comprehensive R Archive Network）的包扩展机制，通过导入扩展包就可以使用标准状态下所不支持的函数和数据集。R语言虽然功能强大，但是学习曲线较为陡峭，个人建议从 python入手，拥有丰富的statistical libraries，NumPy，SciPy.org，Python Data Analysis Library，matplotlib: python plotting。