간단한 말로 데이터 과학이란 무엇입니까?

편집자에 의한 이미지 | chatgpt

틀 소개

“데이터 과학”, “데이터 과학자”, “데이터 중심 시스템 및 프로세스”등 …

데이터는 어디에나 있으며 모든 산업과 비즈니스뿐만 아니라 우리의 삶에서 핵심 요소가되었습니다. 그러나 데이터 관련 용어와 유행어가 너무 많기 때문에 각각의 의미, 특히 가장 넓은 개념 중 하나를 정확히 잃어 버릴 수 있습니다. 데이터 과학. 이 기사는 데이터 과학이 무엇인지 (그리고 그것이 아닌 것), 관련 지식 영역, 실제 세계의 일반적인 데이터 과학 프로세스 및 그 영향을 간단하게 설명하기위한 것입니다.

틀 데이터 과학이란 무엇입니까?

데이터 과학은 여러 지식 영역을 결합한 혼합 징계로 가장 잘 설명됩니다 (곧 설명). 주요 초점은 데이터 사용 및 활용하여 패턴을 공개하고 질문에 답하며 결정을 지원합니다. – 오늘날 거의 모든 비즈니스 및 조직에 필요한 세 가지 중요한 측면.

가져 가라 소매 회사예를 들어, 데이터 과학은 특정 계절에 베스트셀러 제품을 찾는 데 도움이 될 수 있습니다 (패턴), 특정 고객이 경쟁 업체를 위해 떠나는 이유를 설명하십시오 (질문), 내년 겨울에 재고가 얼마나 많은지 (결정). 데이터는 모든 데이터 과학 프로세스의 핵심 자산이므로 관련 데이터 소스를 식별하는 것이 중요합니다. 이 소매 예에서 이러한 출처에는 구매 이력, 고객 행동 및 구매 및 시간이 지남에 따른 판매 수가 포함될 수 있습니다.

데이터 과학 사례 소매 부문에 적용 | OpenAI에 의해 생성되고 저자가 부분적으로 수정 한 이미지

그렇다면 서로 혼합 될 때 데이터 과학의 범위를 형성하는 세 가지 주요 영역은 무엇입니까?

1. 수학 및 통계데이터의 주요 속성을 분석, 측정 및 이해하려면
2. 컴퓨터 과학수학 및 통계 방법의 소프트웨어 구현을 통해 대규모 데이터 세트를 효율적이고 효과적으로 관리하고 처리합니다.
3. 도메인 지식적용된 프로세스의 “실제 번역”을 용이하게하려면 요구 사항을 이해하고 비즈니스, 건강, 스포츠 등 특정 응용 프로그램 영역에 얻은 통찰력을 적용하십시오.

데이터 과학은 여러 지식 영역을 결합한 혼합 분야입니다.

틀 실제 범위, 프로세스 및 영향

데이터 분석, 데이터 시각화, 분석 및 인공 지능 (AI)과 같은 많은 관련 영역이 있으므로 데이터 과학이 아닌 것을 해제하는 것이 중요합니다. 데이터 과학은 데이터베이스에서 데이터를 수집, 저장 및 관리하거나 얕은 분석을 수행하는 데 국한되지 않으며 도메인 지식과 컨텍스트없이 답변을 제공하는 마법 지팡이도 아닙니다. 그것은 동일하지 않습니다 인공 지능 가장 데이터 관련 하위 도메인도 다음과 같습니다. 기계 학습.

AI와 머신 러닝은 데이터로부터 학습함으로써 인텔리전스를 모방하는 시스템을 구축하는 데 중점을두고 있지만 데이터 과학은 데이터를 수집, 청소, 탐색 및 해석하여 통찰력을 끌고 의사 결정을 안내하는 포괄적 인 과정을 포함합니다.. 따라서 간단히 말해서, 데이터 과학 프로세스의 본질은 데이터를 깊이 분석하고 이해하여 실제 문제에 연결하는 것입니다.

이러한 활동은 종종 a의 일부로 구성됩니다 데이터 과학 수명주기: 일반적으로 비즈니스 문제 이해에서 데이터 수집 및 준비, 데이터 분석 및 모델링, 솔루션을 배포하고 모니터링하는 것으로 전환하는 구조적이고주기적인 워크 플로. 이를 통해 데이터 중심 프로젝트는 실용적으로 유지되고 실제 요구와 일치하며 지속적으로 개선되도록합니다.

데이터 과학은 여러 가지 방법으로 비즈니스 및 조직의 실제 프로세스에 영향을 미칩니다.

• 복잡한 데이터 세트에서 패턴 드러기, 예를 들어 고객 행동 및 제품보다 선호도
• 데이터에서 주도 된 통찰력으로 운영 및 전략적 의사 결정을 개선하고 프로세스 최적화, 비용 절감 등
• 트렌드 또는 이벤트 예측, 예를 들어, 미래 수요 (데이터 과학 프로세스의 일부로 기계 학습 기술의 사용은이 목적에서 일반적입니다)
• 제품, 컨텐츠 및 서비스를 통해 사용자 경험을 개인화하고 선호도 또는 요구 사항에 적응합니다.

그림을 넓히기 위해 다음은 다음과 같은 몇 가지 도메인 예제입니다.

• 건강 관리 : 환자 재 입원률 예측, 공중 보건 데이터로부터의 질병 발생 식별 또는 유전자 서열 분석을 통해 약물 발견을 지원합니다.
• 재원: 대출 위험 및 신용도를 평가하기 위해 실시간 또는 건축 모델로 사기 신용 카드 거래 감지

틀 관련 역할을 명확하게합니다

초보자는 종종 데이터 공간의 많은 역할을 구별하는 것이 혼란 스럽습니다. 데이터 과학은 광범위하지만 여기에 가장 일반적인 역할 중 일부가 간단합니다.

• 데이터 분석가 : 비즈니스 질문에 답변하기위한 보고서, 대시 보드 및 설명 통계를 통해 과거와 현재를 설명하는 데 중점을 둡니다.
• 데이터 과학자 : 예측 및 추론에 관한 작업, 종종 미래의 결과를 예측하고 숨겨진 통찰력을 발견하기 위해 모델을 구축하고 실험을 실행합니다.
• 머신 러닝 엔지니어 : 데이터 과학자가 만든 모델을 가져 와서 제작에 배치하여 안정적이고 규모가 규모로 실행되도록합니다.

이러한 차이점을 이해하면 유행어를 잘라 내고 조각이 어떻게 맞는지 쉽게 볼 수 있습니다.

틀 거래 도구

그렇다면 데이터 과학자들은 실제로 어떻게 자신의 작업을 수행합니까? 이 이야기의 핵심 부분은 작업을 수행하기 위해 의존하는 툴킷입니다.

데이터 과학자들은 일반적으로 프로그래밍 언어를 사용합니다 파이썬 그리고 아르 자형. Python 용 인기있는 라이브러리 (예 : 예를 들어)는 다음을 포함합니다.

• 팬더 데이터 조작의 경우
• 음식 plotlib 그리고 Seabornn 시각화를 위해
• Scikit-Learn 또는 피해자 기계 학습 모델을 구축합니다

이러한 도구는 진입 장벽을 낮추고 처음부터 자신의 도구를 처음부터 구축하는 데 집중할 필요없이 원시 데이터에서 실행 가능한 통찰력으로 빠르게 이동할 수있게합니다.

틀 결론

데이터 과학은 수학, 컴퓨터 과학 및 도메인 전문 지식을 결합하여 패턴을 공개하고 질문에 답변하며 결정을 안내하는 혼합 된 다 분야 분야입니다. AI 또는 기계 학습과는 다르지 않지만 종종 역할을합니다. 대신, 실제 문제를 해결하고 영향을 유도하기 위해 구조적이고 실용적인 데이터 적용입니다.

소매에서 건강 관리, 재무에 이르기까지 응용 프로그램은 어디에나 있습니다. 방금 시작하거나 유행어를 명확히하든 데이터 과학의 범위, 프로세스 및 역할을 이해하면이 흥미로운 분야에 대한 첫 번째 단계가 제공됩니다.

나는 당신 이이 간결하고 부드러운 소개를 즐겼기를 바랍니다!

Iván Palomares Carrascosa AI, 기계 학습, 딥 러닝 및 LLM의 리더, 작가, 연사 및 고문입니다. 그는 실제 세계에서 AI를 활용하는 다른 사람들을 훈련시키고 안내합니다.