前提是，我在这里写了一些与数据和L＆D相关的文章。我结束了其中一个有问题的文章，L＆D需要数据科学吗？我打算用这篇文章回答这个问题。没有浪费时间，我会说答案是肯定的。现在在你滚动你的眼睛之前，让我们回答另一个问题，真正的数据科学是什么？是的，我们都听到了关于数据科学的新闻，这是本世纪中最性感的工作以及如何通过大学，Moocs和开发训练者训练数据科学家训练数据库的疯狂匆忙。几乎所有的大学都在各种顾问中运行了一些数据科学学位计划的变体，例如业务分析，大数据，文本分析和课程数据科学。
很多它真的是炒作，但事实是数据科学考虑到我们生成的数据量很重要。好的，让我们回到问题，是什么数据科学？简单地，数据科学是使用科学技术的过程，以便更好地决策中的数据中的揭示模式。这种科学技术可包括假设产生，测试和实验。通过将科学进程应用于数据，不仅可以更加了解数据，而且还可以将数据建模以帮助各种类型的决策。数据科学超出了仅分析数据，进入更复杂的字段，如自然语言处理，神经网络和人工智能。两个事情要了解数据科学很重要，首先是一个应用科学。它由一组技能组成，您可以应用于几乎任何域。其次，它本身并不是一个主题，而是由许多不同的科目组成，以形成数据科学的核心。
无论何时讨论有关人们需要知道的是一个相交的数据科学家，通常用于说明由此组成的数据科学。
- 第一圈1：数学和统计知识。这是数据科学的基础，因为数据科学中使用的分析技术和算法是应用数学和统计数据。
- 圈2：程序的能力和使用适当的技术。数据科学不是计算机科学，但需要计算机科学来将数学和统计算法应用于数据。这可以通过使用Python，R和Scala或软件等编程语言，例如Tableau，Weka和SAS。编程语言倾向于做数据科学的首选方式。
- 圈3：这第三个圆是使数据科学真实有用的，它具有域名知识或对您将应用数据科学的主题区域的理解。主题领域可能是医学，教育或基因组学。如果您没有域将其应用于域，那么无论您有多少技术知识，那么您的数据科学技能都不会毫无意义。
学习和开发是一种域名，数据科学可以应用于数据科学和数据科学已经应用于人力资源和教育。为什么不学习和发展？所以我的答案是肯定的，L＆D确实需要数据科学，我们需要它，因为良好的数据分析可以帮助我们了解我们更好的所做，改善我们的决策，以对我们的组织产生更多影响，随后变得更具影响力。在我的下一个帖子中，我将讨论数据科学的一些海报词以及它们如何与L＆D相关。我正在谈论的词是大数据和机器学习。
2