합한 것입니다. 데이터는 그 핵심에 있으며, 기업 창고에 사실을 스트리밍하고 저장하는 원시 데이터 저장소를 다루며 주요 부분은 마이닝을 통해 학습됩니다. 궁극적으로 데이터 과학(DS)은 비즈니스 가치 창출을 위해 창의적인 스타일로 사실을 사용하는 것입니다 강점진단.
데이터 인사이트 탐색
이는 사실 탐구를 다루는 데이터 과학의 한 측면입니다. 복잡한 추세, 추론 및 행동을 조사하고 이해하기 위해 주제를 더 깊이 탐구하는 DS는 기업이 더 빠르고 더 나은 의사 결정을 내리는 데 도움이 될 수 있는 숨겨진 통찰력을 탐색하는 것입니다. 통찰을 채굴하기 위해서는 사실에 대한 탐구에서부터 시작되어야 합니다. 어려운 질문이 제시되면 데이터 과학자는 단서를 조사하고 사실의 패턴과 특성을 이해하려는 시도를 합니다.
데이터 제품 개발 개요
데이터 제품(DP)은 데이터를 입력으로 활용하고 사실을 처리하여 알고리즘에 의해 생성된 결과를 생성하는 기술 자산입니다. 추천 엔진은 사용자 데이터를 수집하고 동일한 사실을 기반으로 개인화된 추천을 생성하는 DP의 이상적인 예입니다. 다음은 제품의 용감한 예 중 일부입니다.
구매를 제안하는 Amazon의 추천 엔진은 알고리즘에 따라 결정됩니다. 마찬가지로 Netflix는 영화를 제안하고 Spotify에서는 음악 추천을 받습니다.
Gmail의 스팸 필터는 사실 제품의 또 다른 예입니다. 알고리즘은 수신 이메일을 처리하고 메시지가 정크인지 여부를 결정합니다.
자율주행차에서 찾아볼 수 있는 컴퓨터화된 비전은 또 다른 DP입니다. 기계 학습 알고리즘은 교통 신호를 인식할 수 있습니다. 보행자는 물론 도로 위의 다른 차량도 마찬가지입니다.
시간이 지남에 따라 도메인을 활기차고 역동적으로 만드는 다양한 제품이 등장하고 있습니다.
데이터 과학자가 되기 위해 필요한 기술 세트
데이터 과학은 다음 영역의 기술을 혼합합니다.
수학적 전문성: 사실 통찰력 마이닝과 DP 개발의 핵심에는 정량적 접근 방식을 통해