假设学校每天早上都有几个单车点借不到车。管理人员问:明天该往哪里多放几辆?这个问题看起来可以用一张表解决,但打开数据后,你很快会发现:下雨天和晴天的情况不同,考试周和平时不同,有些站点的记录还缺了好几天。怎么处理这些信息,怎么判断一个预测靠不靠谱,正是数据科学(Data Science)要学的内容。
数据科学的课,为什么数学和编程都要学?
编程能帮你整理借车记录,把天气、时间和站点信息放在一起;统计能帮你判断某个变化是偶然发生,还是多次出现的规律;可视化则能把结果做成一张管理人员看得懂的图。比如,预测某个站点明天需要多放几辆车之后,你还要解释这个判断用了哪些数据,遇到长假时是否还适用。
以加州大学戴维斯分校的数据科学基础方向为例,课程从微积分、编程和统计数据科学入手,再延伸到回归分析、数据库、数据处理和机器学习。学生还要在同一领域选修三门高阶课程。看课表时,可以顺便想一想:自己更想把这些方法用在经济、公共卫生,还是其他感兴趣的问题上?
在圣迭戈,学生怎样把分析做成一个完整项目?
加州大学圣迭戈分校的数据科学本科设有连续两个学季的毕业项目(DSC 180A–B)。学校另有一门数据可视化课,曾在期末展出以南加州云量、野火风险等为主题的作品。学生把分析做成公众可以浏览的网站,让读者自己查看图表,理解数据呈现的变化。这种训练很贴近实际工作:你得会分析,也得让没有参与项目的人看懂你的判断。
什么样的学生适合读数据科学?
如果你既喜欢数学,也愿意花时间写代码、找错误,并且看到一张图时会追问“这些数据怎么来的”,就可以认真考虑这个专业。毕业后的探索方向包括商业分析、产品分析、公共政策研究等;想往机器学习或更偏理论的方向发展,也可以继续加深数学与计算方面的训练。
高中阶段,可以先试一个小项目:用公开数据比较同一城市工作日和周末的单车使用量,做两张图,再写下一个你能支持的结论和一个数据暂时回答不了的问题。做完这几步,你对数据科学的了解,会比只看专业名称具体得多。
微信扫一扫









