35、数据科学的五大领域与实践入门

数据科学的五大领域与实践入门

1. 数据科学的关键特性

1.1 数据多样性（Variety）

数据具有多种类型，例如照片和图像与温度、湿度或位置信息就属于不同的数据类型。温度这类数据的信息较为集中，而图像的数据信息则更为分散。照片是复杂的数据结构，难以解读，机器更难以对其进行正确分类。比如，计算机能够区分猫和狗，但如果图片中出现了“尤达宝宝”，由于缺乏相关背景信息，计算机就无法识别。

语音数据也存在类似问题。亚马逊的Alexa在将语音转换为文本方面表现出色，但在赋予文本含义方面还有所欠缺。这一方面是因为缺乏上下文信息（如社交线索、语气和肢体语言等环境因素），另一方面是人们提问和发表评论的方式多种多样。Alexa会跟踪所有查询，并进行数据分析，以了解人们的需求类型和提问方式，这既可能用于不良目的，也可能是为了构建更好服务消费者的系统。将语音转换为文本后，数据科学更有可能识别出其中的模式，因为文本比音频更易于搜索和分析，但在转换过程中，语音的语气、强调等大量信息会丢失。

1.2 数据速度（Velocity）

数据速度指的是数据变化的速度以及添加到数据堆中的速度。例如，Facebook用户每天上传约10亿张图片，未来几年内Facebook将拥有超过1万亿张图像，这是一个高速数据集。而过去五年你家中的温度和湿度读数则是低速数据集（变化缓慢）。显然，高速数据集和低速数据集需要不同的处理技术。

1.3 数据量、多样性和速度的管理

数据量、多样性和速度的管理是一个复杂的话题。数据科学家已经开发了许多处理数据的方法，这三个“V”描述了数据集的特征，让我们对数据参数有一个基本的了解。从数据中获取洞察的过程称