Nauka o danych: Pomiar niepewności

Oryginalny tytuł:

Data Science: Measuring Uncertainties

Zawartość książki:

Wraz ze wzrostem możliwości przetwarzania i przechowywania danych, dostępna jest duża ich ilość. Dane bez analizy nie mają dużej wartości.

W związku z tym zapotrzebowanie na analizę danych rośnie z dnia na dzień, a konsekwencją tego jest pojawienie się dużej liczby ofert pracy i opublikowanych artykułów. Nauka o danych pojawiła się jako multidyscyplinarna dziedzina wspierająca działania oparte na danych, integrująca i rozwijająca pomysły, metody i procesy w celu wydobywania informacji z danych. Obejmuje to metody zbudowane z różnych obszarów wiedzy: Statystyki, Informatyki, Matematyki, Fizyki, Informatyki i Inżynierii.

Ta mieszanka dziedzin dała początek temu, co nazywamy Data Science. Nowe rozwiązania nowych problemów szybko się powielają, generując duże ilości danych.

Obecne i przyszłe wyzwania wymagają większej staranności w tworzeniu nowych rozwiązań, które spełniają racjonalność dla każdego rodzaju problemu. Etykiety takie jak Big Data, Data Science, Machine Learning, Statistical Learning i Artificial Intelligence wymagają większego wyrafinowania w fundamentach i sposobie ich stosowania.

Ten punkt podkreśla znaczenie budowania fundamentów Data Science. Niniejsza książka poświęcona jest rozwiązaniom i dyskusjom na temat pomiaru niepewności w problemach związanych z analizą danych.