数据科学究竟是什么？
数据科学是一门将数据变得有用的学科。它包含三个重要概念：
- 统计
- 机器学习
- 数据挖掘/分析
数据科学的定义
如果你回顾一下数据科学这个术语的[早期历史]()，会发现有两个主题密切相连：
- 大数据意味着计算机的使用频率增加。
- 统计学家很难将纸张上所写算法用计算机实现。
由此，数据科学得以出现。早先，人们将数据科学家视作会编码的统计学家。如今看来，这种说法并不准确，首先让我们回到数据科学本身。
推特给出的定义circa 2014
2003年，《数据科学杂志》曾提出：“所谓的‘数据科学’，指的是那些任何与数据相关的内容”。对此，我表示赞同，现在一切都无法与数据分割。
之后，对数据科学的定义便层出不穷，例如Conway的维恩图，以及Mason和Wiggins的经典观点。
Drew Conway对数据科学的定义
维基百科上对数据科学的定义更接近于我给学生讲授的内容：
数据科学仅是一种概念，它结合了统计学、数据分析、机器学习及其相关方法，旨在利用数据对实际现象进行“理解和分析”。
简单来讲：数据科学是一门将数据变得有用的学科。
现在你也许不禁会问，“这会不会太简单了，‘有用’怎么就能包含所有的术语呢？”
先看下图，该图内容与维基百科给出的定义十分契合：
这些都是什么，我们又如何知道处于图中所描述的哪个阶段呢？
统计学家和机器学习工程师的区别不在于前者使用R，而后者使用Python。由于众多原因，按照SQL、R、Python进行分类是不合理的，其中最重要的原因是软件会更新。目前，已经可以用SQL来处理机器学习问题。
新手依旧喜欢采用这种方式进行区分，甚至很多大学课程也是如此安排，但这不够合理。并且，最好不要采用直方图、t检验以及神经网络进行分类。如果你足够聪明，并且拥有自己的观点，你可以使用相同的算法解决所有的数学科学问题。
我建议可按如下方式进行区分：
None-One-Many
这究竟指的是什么呢？没错，就是决定！当所有你需要的事实对你可见时，你可以通过描述性分析做出尽可能多的决定。
我们的行动和决定会影响到我们周围的世界。
接下来我们将继续探讨如何让数据变得有用。对我来说，有用的概念与影响世界的行动紧密相连。举个形象的例子：如果我们相信圣诞老人的存在，那圣诞老人这个概念就不重要了，除非它可能会以某种方式影响我的行为。然后，取决于这种行为的潜在后果，它可能开始变得非常重要。
下图是决策导向图，您可以通过以下三步让数据变得有用。
数据挖掘
如果你不知道你要作何决定，最好的办法就是去寻找灵感。这就是所谓的数据挖掘、数据分析、描述性分析、探索性数据分析或知识发现。
分析的黄金准则：只对你所见的下结论。
除非你知道如何制定你的决策，否则就从寻找灵感开始吧。做法很简单，只需要你将数据集想象为你在黑暗的房间中发现的一堆底片。数据挖掘就是让设备尽可能快地公开所有的图片，这样你就能看到这些图片上是否有什么鼓舞人心的东西。和照片一样，不要把你看到的东西想得太严肃。你没有拍这些照片，所以你对屏幕之外的东西了解不多。数据挖掘的黄金法则是:只对你能看到的做出结论，不对你看不到的做出结论，因为你需要统计数据和更多的专业知识。
除此之外，你还应尽力做到最好。数据挖掘的专业知识是通过检查数据的速度来判断的，不要迷恋那些看似有趣的东西。
暗房一开始很吓人，但其实也没什么大不了的。只要学会操作设备就行。这是R语言的教程，这是Python语言的教程。当你开始玩得开心时，你可以称自己为数据分析师，当你能够以闪电般的速度曝光照片以及所有其他类型的数据集时，你就可以称为专家分析师。
统计推断
灵感很容易获取，但严谨却很难做到，如果你想掌握数据，则需要专业课程的学习。作为一名统计学专业的本科生和研究生，我认为统计学推论（简称统计学）是这三个领域中最难且最具哲学思想的。想要做好它需要花费不少的时间。
如果你打算做出高质量且风险可控的决策，由于决策不仅仅依赖你所得到的数据，此时你需要在你的分析团队中加入统计技能。
在情况不确定的时候，或许统计学能够改变你的想法。
机器学习
机器学习从本质上来讲，是使用示例而非指令来实现操作的。我也曾写过一些关于机器学习的文章，包括机器学习与人工智能有何不同、如何入门机器学习、企业运用机器学习的经验教训以及向孩子介绍监督学习等。
数据工程
数据工程指的是将数据传递给数据科学团队的工作。它本身就是一个复杂的领域，通常而言，它更接近于软件工程，而不是统计学。
数据工程与数据科学的差异是前后的区别。
获取数据之前的大部分技术工作都可以被称为“数据工程”，而获取到数据后我们所做的一切都是“数据科学”。
决策智能
决策智能是关于决策的，包括基于数据的大规模决策，这使得它变成了一门工程学科。利用社会和管理学科的观点，增强数据科学的应用。
决策只能是社会和管理学科的组成部分。换句话说，它是这些数据科学的超集，而不涉及为通用用途创建基本方法之类的研究工作。
以上为译文
本文由北邮@爱可可-爱生活 老师推荐，阿里云云栖社区组织翻译。
文章原标题《What on earth is data science?》，作者：Cassie Kozyrkov，译者：Elaine，审校：袁虎。
文章为简译，更为详细的内容，请查看原文
相关文章：
SQL with NUll处理,Join系列,between,in对比exists以及少量题目
2019独角兽企业重金招聘Python工程师标准>>> 1.一些题目: 选择在每一组B值相同的数据中对应的a最大的记录的所有信息,(用于论坛每月排行榜) Selecta,b,c from tableta wherea(select max(a) from tabletb where tableb.b tableta.b ) 随机抽取出10条数据 Select to…
清华大学提出APDrawingGAN，人脸照片秒变艺术肖像画
作者 | 刘永进教授来源 | 转载自数据派THU（ID:DatapiTHU）清华大学提出APDrawingGAN，该项工作被CVPR 2019录取为oral paper。CVPR是计算机视觉和人工智能领域内的国际顶级会议，2019共收到投稿5160篇，录取1300篇…
图像处理和图像识别中常用的OpenCV函数
1. cvLoadImage：将图像文件加载至内存； 2. cvNamedWindow：在屏幕上创建一个窗口； 3. cvDestroyWindow：销毁显示图像文件的窗口； 4. cvDestroyAllWindows：销毁显示图像文件的所有窗口…
SQLServer之DEFAULT约束
原文:SQLServer之DEFAULT约束DEFAULT约束添加规则 1、若在表中定义了默认值约束，用户在插入新的数据行时，如果该行没有指定数据，那么系统将默认值赋给该列，如果我们不设置默认值，系统默认为NULL。 2、如果“默认值”字…
tmux/screen里面如何用鼠标滚轮来卷动窗口内容
tmux里面用鼠标滚轮来卷动窗口内容在 tmux里面，因为每个窗口(tmux window)的历史内容已经被tmux接管了，所以原来console/terminal提供的ShiftPgUp/PgDn所显示的内容并不是当前窗口的历史内容，所以要用C-b [ 进入copy-mode，然后才能…
图像空间变换--imtransform
转自：http://juyishaanxi.blog.163.com/blog/static/602733002010522105439617/(非原处)空间几何变换将(w,z)坐标系上的图像变换为(x,y)坐标系上的图像，可以表示为： (x,y) T{(w,z) 比如： (x,y) T{(w,z)} (w/2, z/2) 仿射变…
谷歌用1.2万个模型“推翻”现有无监督研究成果！斩获ICML 2019最佳论文
作者 | 夕颜、Just出品 | AI科技大本营(ID:rgznai100)6 月 11 日，在美国加州长滩举行的 ICML 公布了 2019 年最佳论文奖，来自苏黎世联邦理工大学、谷歌大脑等的团队和英国剑桥大学团队摘得最佳论文奖项，此外，大会还公布了 7 篇获最…
实战：掌握PyTorch图片分类的简明教程 | 附完整代码
作者 | 小宋是呢转载自CSDN博客1.引文深度学习的比赛中，图片分类是很常见的比赛，同时也是很难取得特别高名次的比赛，因为图片分类已经被大家研究的很透彻，一些开源的网络很容易取得高分。如果大家还掌握不了使用开源的网络进行训练…
python group()
正则表达式中，group（）用来提出分组截获的字符串，（）用来分组 import re a "123abc456" print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0) #123abc456,返回整体 print re.sea…
图像配准的方法
转自：http://blog.sina.com.cn/s/blog_4b9b714a0100d5k5.html 图像配准的方法 1 基于特征的图像配准 基于特征的图像配准首先提取图像信息的特征，然后以这些特征为模型进行配准。特征提取的结果是一含有特征的表和对图像的描述，每个特征由…
微软发布Visual Studio 2017 15.8
2019独角兽企业重金招聘Python工程师标准>>> 对于C#/VB/C项目，在Git分支检出和分支切换操作后不再需要重新加载解决方案，这加快了操作的完成。15.8支持新推出的F# 4.5，这无疑将会受到F#开发人员的欢迎。此外，用于F#项目…
推荐系统产品与算法概述 | 深度
作者丨gongyouliu转载自大数据与人工智能（ID:gh_b8b5b02c348b）作者在《推荐系统的工程实现》（点击蓝字可回顾）这篇文章的第五部分“推荐系统范式”中讲到工业级推荐系统有非个性化范式、完全个性化范式、群组个性化范式、标的物关…
【iOS-cocos2d-X 游戏开发之十六】Cocos2dx编译后的Android自动使用(-hd)高清图设置自适应屏幕...
本篇主要介绍Cocos2dx项目开发过程中或者说项目务必遇到的一些知识点（ps.貌似Himi博客写的都是务必的 :tx: Himi认为写别人没写的才更容易吸引人不是～） OK，不多说废话，第一个介绍的是修改项目配置让你的Android项目支…
matlab图像处理命令(一)
转自：http://blog.csdn.net/langyuewu/archive/2009/05/02/4144120.aspx(非原处) 1.applylut 功能: 在二进制图像中利用lookup表进行边沿操作. 语法: A applylut(BW,lut) 举例 lut makelut(sum(x(:)) 4,2); BW1 imread(text.tif); BW2 applylut(BW1,lut); imsh…
MYSQL 查询数据排序数据和分组数据
在mysql查询过程中，可以对数据进行过滤，也可以对数据进行排序，可以对数据分组，下面分别讲述排序数据和分组数据例子。1，数据的排序 使用 ORDER BYselect * from where id10 order by id (正序，倒序)正序 AS…
Oracle RAC系列之：利用srvctl管理RAC数据库
srvctl即Server Control，是Oracle提供的一个命令行工具，用以用于管理Oracle的RAC环境。srvctl在Oracle 9i中被引入，Oracle10g、11g对其功能进行了很大的增强和改进。下面介绍下此命令的简单用法。 一、 查看实例状态（srvctl statu…
matlab图像处理命令(二)
转自：http://blog.163.com/crazyzcs126/blog/static/1297420502010229104452729/ (非原处) 图像增强 1. 直方图均衡化的 Matlab 实现 1.1 imhist 函数 功能：计算和显示图像的色彩直方图 格式：imhist(I,n) imhist(X,map) 说明&#x…
10万人的1000万张图像，微软悄然删除最大公开人脸数据集
作者 | 神经小姐姐转载自HyperAI超神经（ID：HyperAI）前几日，微软静悄悄地删除了一个公开的名人图片数据集。这个本为世界上最大的公开人脸识别数据集，现在已经不能通过微软的渠道访问。这个数据集包含了 10 万张名人面部…
密码学原理学习笔记
攻击的类型: 唯密文攻击(COA)：攻击者只知道密文 已知明文攻击(KPA)：攻击者知道同一密钥下密文对应的明文。 选择明文攻击(CPA)：攻击者可以事先任意选择一定数量的明文，让被攻击的加密算法加密，并得到相应的密文。 选择…
终于申请博客了
今天终于下定决心在51CTO博客安家了。以后要坚持不断的写博客。以此来督促自己不断的学习和总结。把自己所掌握的技术和过往经验总结出来。转载于:https://blog.51cto.com/weijishui/971044
一种二维条码图像处理流程
目前，二维条码主要分两类： (1)、堆叠式二维条码：PDF417、Code 49； (2)、矩阵式二维条码：QR Code、Maxicode、Data Matrix。 本条码类似于Maxicode，处理过程大致为： (1)、图像灰度化ÿ…
vue中 静态文件引用注意事项
（一）assets文件夹与static文件夹的区别区别一：assets文件是src下的，所以最后运行时需要进行打包，而static文件不需要打包就直接放在最终的文件中了区别二：assets中的文件在vue中的template/style下用../这种…
百度AI快车道—企业深度学习实战营，推荐系统主题专场即将开课
身处信息过载的时代，在各大门户网站上，每天会有十万左右的新闻报道产出，京东淘宝等购物平台每小时就有上百万的商品上架出售，在B站、优酷、爱奇艺、搜狐等视频网站上每秒就有几百个小时的视频上线。所有人都正在经历一场信息变革。…
SIFT特征提取算法总结
转自：http://www.jellon.cn/index.php/archives/374 一、综述 Scale-invariant feature transform(简称SIFT)是一种图像特征提取与匹配算法。SIFT算法由David.G.Lowe于1999年提出，2004年完善总结，后来Y.Ke(2004)将其描述子部分用PCA代替直方…
一步步构建大型网站架构
之前我简单向大家介绍了各个知名大型网站的架构，MySpace的五个里程碑、Flickr的架构、YouTube的架构、PlentyOfFish的架构、WikiPedia的架构。这几个都很典型，我们可以从中获取很多有关网站架构方面的知识，看了之后你会发现你原来的想法很可能…
商汤科技举办病理、放疗两大MICCAI国际挑战赛，推动AI医疗落地
近日，商汤科技宣布将联合衡道病理、上海交通大学医学院附属瑞金医院、西京医院、上海市松江区中心医院举办MICCAI 2019消化道病理图像检测与分割国际挑战赛，联合医诺智能科技、浙江省肿瘤医院举办MICCAI 2019放疗规划自动结构勾画国际挑战赛，…
vue实战(1)——解决element-ui中upload组件使用多个时无法绑定对应的元素
解决element-ui中upload组件使用多个时无法绑定对应的元素 以前写的项目关于图片上传的都是单张或几张图片上传（主要是基于vue的element），图片路径都是固定写的，所以遇见过列表中多个上传图片的问题，先看下常用的形式 …
MVVM开发模式MVVM Light Toolkit中使用事件和参数传递
Light中定义了类GalaSoft.MvvmLight.Command.RelayCommand这个类继承了ICommand方法，实现了其中的方法，Action就是一个方法参数// 摘要: // A command whose sole purpose is to relay its functionality to other objects // by invoki…
harris角点检测与ncc匹配
转自：http://zixuanjinan.blog.163.com/blog/static/11543032620097510122831/ file1:-------------------------------------------------------------------------------------- function [y1,y2,r,c]harris(X)% 角点的检测，利用harris 算法% 输出的是…
CVPR 2019超全论文合集新鲜出炉！| 资源帖
整理 | 夕颜出品 | AI科技大本营（ID: rgznai100）实不相瞒，这是一个资源福利帖——CVPR 2019 接收论文超全合集！此前关于 CVPR 2019 论文和合集出过不少，但是这个可能是最全面最丰富的，链接奉上：…