大数据概论知识整理

目录

学习要求

一、数据科学的学科地位

二、统计学

1.统计学与数据科学

2.数据科学中常用的统计学知识 

3.统计学与机器学习的区别与联系

 4.数据科学视角下的统计学

三、机器学习

1.机器学习与数据科学

2.数据科学中常用的机器学习的知识

（1）基于实例学习

（2）概念学习

（3）决策树学习

（4）人工神经网络学习

（5）贝叶斯学习

（6）遗传算法

（7）分析学习

（8）增强学习

3.机器学习在数据科学中的应用

四。数据可视化

总结

---

---

学习要求

掌握：数据科学的学科地位

理解：统计学、机器学习、数据可视化对数据科学的主要影响

了解：数据科学的理论基础

一、数据科学的学科地位

从学科定位看，数据科学处于数学与统计知识、黑客精神与技能和领域实务知识三大领域重叠之处。

• 数据科学与（传统）数学和统计学有区别
• “黑客精神与技能”——大胆创新、喜欢挑战、追求完美和不断改进
• “领域和务实知识”——不仅掌握数学与统计知识以及具备黑客精神与技能，而且还需要精通某一个特定领域的实务知识与经验
• 数据科学：大数据背后的科学

1. 新兴科学：是一门将“现实世 界”映射到“数据世 界”之后，在“数据 层次”上研究“现实 世界”的问题，并 根据“数据世界”的 分析结果，对“现 实世界”进行预测 、洞见、解释或 决策的新兴科学
2. 交叉性学科：是一门以“数据”，尤其是“大数据”为 研究对象，并以 数据统计、机器 学习、数据可视 化等为理论基础 ，主要研究数据 加工与准备、数 据分析、数据管 理、数据计算、 数据产品开发等 活动的交叉性学科
3. 独立学科：是一门以实现“从 数据到信息”、“从 数据到知识”和（  或）“从数据到智 慧”的转化为主要 研究目的，以“数 据驱动”、“数据业 务化”、“数据洞见  ”、“数据产品研发  ”和（或）“数据生 态系统的建设”为 主要研究任务的 独立学科
4. 知识体系：是一门以“数据时 代”，尤其是“大数 据时代”面临的新 挑战、新机会、 新思维和新方法 为核心内容的，包括新的理论、 方法、模型、技 术、平台、工具 、应用和最佳实 践在内的一整套 知识体系。

二、统计学

1.统计学与数据科学

统计学是数据科学的主要基础理论之一。

2.数据科学中常用的统计学知识 

• 从行为目的与思维方式看

         描述统计：集中趋势分析、离中趋势分析

         推断统计：采样分布、参数估计、假设检验

• 从方法论角度

         基本分析法：回归分析、分类分析、聚类分析、关联规则分析、时间序列分析

         元分析法：加权平均法、优化方法