中文字幕日韩精品一区口_韩国三级三级三级a三级_午夜三级影院_成人免费一级毛片在线播放视频

數據科學是一門極其特殊的新興學科，具有與其他學科不同的新特征，例如思維模式的轉變（從數據范式到知識范式的轉變）、對數據認識的變化（從數據的被動屬性到主動屬性的轉移）、指導思想的變化（實用主義和現實主義的回歸）、以數據產品開發為主要目的（數據成為傳統產品的主要創新點）、專業數據科學與專業中的數據科學的差異性以及數據科學的三要素（不僅涉及理論和實踐，而且還包括精神素質）。因此，數據科學的研究不能簡單照搬傳統學科的經驗，應尊重其特殊使命和屬性。為此，我們對數據科學研究者提出如下幾點建議：

（1）正確認識數據科學。正確認識數據科學的內涵是有效學習和規范研究數據科學的前提。目前，部分學者誤以為“數據科學=統計學+機器學習”，過于強調統計學和機器學習，而忽略了數據科學本身。其實，統計學和機器學習是數據科學的理論基礎，而并非其核心內容。數據科學具有區別與其他學科的獨特的研究使命、研究視角、思維模式、做事原則和知識體系。如果脫離了這些獨到之處，數據科學的學習和研究將發生方向性的誤讀和本質性的扭曲。

（2）突出數據的主動屬性。數據科學的一個重要貢獻或價值就在于改變了人們對數據的研究方向，即從被動屬性轉向主動屬性。一直以來，人們習慣性地把數據當做被動或死的東西，關注的是“你能對數據做什么？”，如模式定義，結構化處理和預處理，都試圖將復雜數據轉換成簡單數據。但是，大數據時代更加關注的是數據的另一個屬性——主動屬性，強調的是“數據能給你帶來什么？”，如數據驅動型應用、以數據為中心的設計、讓數據說話、數據洞見等，將復雜性認為數據的自然屬性，開始接受數據的復雜性。研究方向從數據的被動屬性到主動屬性的轉變是學習和研究這一門新學科的基本出發點。如果忽略了這一點，容易將數據科學當成數據工程來學習和研究。

（3）平衡數據科學的三個要素。與其他課程，尤其是技術類課程不同的是，數據科學既包括理論和實踐，更需要精神——原創性設計、批判性思考和好奇性提問的素質。因此，數據科學的學習中不僅要強調理論聯系實際，而且還不能忽略對數據科學家精神的培養。積極參與數據科學相關的開源項目和競賽類項目是兼顧數據科學的三個基本要素的兩個重要捷徑。

（4）側重培養信心和興趣，學會跟蹤數據科學的最新動態。一方面，數據科學建立在統計學和機器學習等基礎理論之上，學習門檻較高，因此，培育自己對數據科學的學習信心和興趣尤為重要；另一方面，數據科學仍屬于一門快速發展的新興學科，其理念、理論、方法、技術和工具在不斷變化之中，要求我們必須掌握動態跟蹤數據科學領域的國際頂級會議、重要學術期刊、主要研究機構、代表性人物和標志性實踐的能力。

（5）重視試驗設計及假設檢驗。試驗設計是數據科學項目的重要活動之一。數據科學家應根據數據科學項目的研究目的，有創造性地提出研究假設，并設計對應的試驗，最終通過這些試驗達到假設檢驗的目的。以華盛頓大學和加州大學伯克利分校的數據科學專業人才培養方案為例，分別開出了課程《應用統計與試驗設計（Applied Statistics & Experimental Design）和《試驗與因果分析（Experiments and Causality）》，重點培養學生的試驗設計和假設檢驗的能力。

（6）不要忽視因果分析。在大數據時代，很多人誤以為“因果分析不再重要了”，并把研究重點僅限在相關分析。相關分析只能用于識別事物之間的關聯關系，而無法指導如何優化和干預這種相關關系。因此，當相關關系發生變化或需要人為干預相關關系時，必須進一步研究其因果關系。在數據科學項目中，數據科學家的關注重點是發現各種可能的關聯關系，而關聯關系的產生機制和優化方法需要由領域專家完成。加州大學伯克利分校和哥倫比亞大學分別開設《實驗與因果分析(Experiments and Causality）》和《因果推理與數據科學（Causal Inference for Data Science)》，均反映了因果分析在數據科學中的重要地位。

（7）以數據產品開發為主要抓手。數據產品開發是學習與研究數據科學的主要抓手之一。需要注意的是，數據產品不限于數據形態的產品，任何用數據來幫助目標用戶實現其某一目的的產品都可視為數據產品。數據是未來產品的創新點和增值點。因此，向數據產品的轉變是傳統產品的重要發展趨勢。以Google眼鏡[111]為例，其創新源自數據，而不在于其外觀和選材，以數據為中心的產品設計才是該產品與傳統的眼鏡類產品的根本區別?？梢姡瑪祿a品開發是數據科學的最為直接且最為普遍的應用。

（8）準確定位人才培養目的。數據科學的學習和人才培養的目的是培養數據科學家而不是數據工程師。二者的區別在于，數據工程師負責的是“數據本身的管理”，而數據科學家的主要職責是“基于數據的管理”，包括基于數據的分析、決策、流程定義與再造、產品設計和服務提供等。因此，相對于數據工程師，數據科學家對人才的要求更高，不僅要有理論功底和實踐經驗，而且還要求有精神素質，即創造性設計、批判性思考和好奇性提問的能力。