CCF2016-2017中国计算机科学和技术发展报告（摘要）

该报告从两个角度定义了数据科学，摘录如下:

数据科学（高级定义）: 有关数据科学和研究的数据科学

数据科学（学科定义）是统计，信息学，计算，通信，管理和社会学的一种新的跨学科融合. 它的研究主题是数据及其环境，其目标是将数据转化为见解. 权力和决策，使用的方法和思想是将数据转化为知识，然后转化为智慧.

这个定义与我的想法有些不同. 例如，与数学有关的内容不仅应该是统计学，而且还应该是矩阵理论，凸优化等. 我认为通信和管理被视为数据科学的应用领域. 为什么还将它们放在数据科学的定义中？

数据科学的最终产品是数据产品，这是一个大脑子，其定义如下:

数据产品: 是可以通过数据交付或由数据启用或驱动的产品. 数据产品可以是发现，预测，服务中国计算机发展，推荐，决策洞察力，洞察力，模型中国计算机发展，模式，范例，工具或系统. 极限数据产品的最终价值是知识，智慧，智慧和决策能力.

数据科学是大数据研究和开发的重要工具和手段，为大数据分析提供了有力的保证. 两者的结合可以创造巨大的价值.

机器学习大约等于数据科学. 机器学习算法的主要目标是分析数据，绘制定律并使用该定律预测未知数据. 机器学习算法和数据科学的目标本质上是相同的.

1）大数据中的数据表示和表示学习技术: 数据表示是数据分析任务的基础. 良好的数据特征表示可以使整个分析任务获得更好的性能.

2）高维数据学习. 目前，在研究高维数据时，主要考虑特征选择，降维和数据采样

3）多源异构数据学习. 大数据不仅容量大，而且结构复杂. 多源异构是一种复杂的数据. 随着数据采集设备的发展，目标通常有多种表示形式，即构成目标的多模式（多视图）表示形式.

4）学习复杂的结构数据. 在许多任务中，数据中包含自然的结构信息. 如何从数据中学习或恢复此类结构信息是学习的重点.

5）交互式数据学习. 交互式大数据是由多个行为实体的共同作用产生的.

6）非独立且分布相同的学习. 指任何非独立且相同分布的数据学习方法.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-236127-1.html