Data Science and Data Analytics: Opportunities and Challenges
Nauka o danych to multidyscyplinarna dziedzina, która wykorzystuje metody naukowe, procesy, algorytmy i systemy do wydobywania wiedzy i spostrzeżeń z ustrukturyzowanych (oznaczonych) i nieustrukturyzowanych (nieoznaczonych) danych. Jest to przyszłość sztucznej inteligencji (AI) i konieczność przyszłości, aby uczynić rzeczy łatwiejszymi i bardziej produktywnymi. Mówiąc prościej, nauka o danych to odkrywanie danych lub odkrywanie ukrytych wzorców (takich jak złożone zachowania, trendy i wnioski) z danych. Co więcej, analityka Big Data / analityka danych to mechanizmy analizy wykorzystywane w nauce o danych przez naukowców zajmujących się danymi. Kilka narzędzi, takich jak Hadoop, R itp., służy do analizy dużej ilości danych w celu przewidywania cennych informacji i podejmowania decyzji. Należy zauważyć, że ustrukturyzowane dane można łatwo analizować za pomocą wydajnych (dostępnych) narzędzi analityki biznesowej, podczas gdy większość danych (80% danych do 2020 r.) ma postać nieustrukturyzowaną, która wymaga zaawansowanych narzędzi analitycznych. Jednak analizując te dane, napotykamy kilka obaw, takich jak złożoność, skalowalność, wycieki prywatności i kwestie zaufania.
Nauka o danych pomaga nam wydobywać znaczące informacje lub spostrzeżenia z nieustrukturyzowanych lub złożonych lub dużych ilości danych (dostępnych lub przechowywanych wirtualnie w chmurze). Data Science and Data Analytics: Opportunities and Challenges obejmuje wszystkie możliwe obszary, zastosowania z pojawiającymi się poważnymi obawami i wyzwaniami w tej wyłaniającej się dziedzinie w szczegółach z analizą porównawczą / taksonomią.
CECHY.
⬤ Przedstawia koncepcję nauki o danych, narzędzi i algorytmów, które istnieją dla wielu przydatnych aplikacji.
⬤ Zapewnia wiele wyzwań i możliwości w nauce o danych i analizie danych, które pomagają badaczom zidentyfikować luki lub problemy badawcze.
⬤ Identyfikuje wiele obszarów i zastosowań nauki o danych w erze inteligentnej.
⬤ Zastosowanie nauki o danych w rolnictwie, opiece zdrowotnej, eksploracji wykresów, edukacji, bezpieczeństwie itp.
Akademicy, naukowcy zajmujący się danymi i maklerzy giełdowi z branży/biznesu uznają tę książkę za przydatną do projektowania optymalnych strategii w celu zwiększenia produktywności ich firm.
