יסודות מדעי הנתונים שכדאי לדעת

 מה זה בדיוק Data Science?

זוהי מילת באז בעולם ה-IT של היום. זה קורה עם טכנולוגיות רבות שאנשים מתחילים להשתמש בזה כז'רגון מבלי להבין אפילו מה זה אומר, מה נכנס לתחום שלו וכן הלאה. נדון בכמה דברים כאלה בפירוט. הרגע שאתה מדבר עליו ובמיוחד כשאתה מדבר על מדע נתונים בהקשר של היום. ל-Data Science יש מרכיבים רבים. כשאתה מדבר על רכיבים, אתה בעצם מדבר על ביג דאטה אתה מדבר על תפקידים שונים שנמצאים ב-Data Science - מה בדיוק התפקיד של Data Scientist, מה בדיוק התפקיד של אוצר הנתונים, מה בדיוק התפקיד של ה-Data Scientist. ספרן נתונים וכן הלאה. בעולם של היום כשמדברים על Data Science כזרם עצמו, הוא מטבעו צריך להתמודד עם כמויות אדירות של נתונים.

תפקידה של Hadoop במדעי הנתונים

וכשמדברים על זה, זה אומר ביג דאטה וכמויות אדירות של מסגרות שהולכות להתמודד עם הנתונים האדירים האלה. יש כל כך הרבה מסגרות זמינות, ויש להן יתרונות וחסרונות משלהן. המסגרת הפופולרית ביותר היא Hadoop. אתה מדבר על מדע נתונים, אתה מדבר על ניתוחים שונים שאתה צריך לעשות על כמות הנתונים העצומה הזו - אתה לא באמת יכול לברוח מה-Hadoop. כשאתה עושה ניתוח סטטיסטי, לא אכפת לך מ-Hadoop או מכל מסגרת ביג דאטה אחרת. Hadoop כתוב ב-Java, אז זה יעזור אם אתה יודע גם Java

קורס data science

מה זה R?

R היא שפת תכנות סטטיסטית. אתה לא באמת יכול להימנע מ-R כי כשאתה מדבר על אלגוריתמים שונים אתה צריך ליישם על כמות נתונים עצומה זו כדי להבין את התובנות של זה או כדי לאפשר כמה אלגוריתמים של למידת מכונה על גבי זה, אתה צריך לעבוד עם R .

מה זה Apache Mahout?

Apache Mahout היא ספריית למידת מכונה שמסופקת על ידי Apache. עכשיו, למה זה צבר כל כך הרבה פופולריות? מה בדיוק הסיבות מאחורי זה? העניין הוא שזה משולב ישירות במתמטיקה. Data Science לא באמת עוסק בנפח הנתונים. מדובר בקבלת תובנות מנתונים. עכשיו מהן תובנות מסוג זה? אם אתה לא באמת דואג לכמות האדירה של נתונים ובעולם של היום כשאתה מדבר על שיווק במדיה חברתית וכל אותם קישורים, פייסבוק וכו'. למאהוט יש אינטגרציה ישירה עם Hadoop, מה שמאפשר לה למנף את כוח העיבוד של Hadoop כדי ליישם את האלגוריתם שלה בקנה מידה עצום של נתונים. אם תסתכל על חברות כמו Linked ו-Facebook, תמצא יישומי Mahout.

מדע נתונים עוסק בכמות העצומה של נתונים שיש לחתוך ולחתוך לקוביות במספר דרכים כדי לקבל את התשובות המבוקשות בתוך תחום בעיה. הצהרת הבעיה בימינו היא, "סיפרת לי מספיק על מה שאני כבר יודע, ספר לי משהו שאני לא יודע"