1数据科学 1.3数据学 (1)数据学:研究探索数据自然界奥秘的理论、方法和技术。 注:(a)研究对象:数据自然界; (b)研究内容:数据的各种类型、状态、属性及变化形式 和变化规律; (c)目的:揭示自然界和人类行为的现象与规律。 注:(a)数据记录了宇宙和生命现象人文和社会。 (b)寻找数据所含的规律,就是探索宇宙、生命、人类行 为、社会发展的规律
1 数据科学 1.3 数据学 (1)数据学：研究探索数据自然界奥秘的理论、方法和技术。 注：(a)研究对象：数据自然界; (b)研究内容：数据的各种类型、状态、属性及变化形式 和变化规律； (c)目的：揭示自然界和人类行为的现象与规律。 注：(a)数据记录了宇宙和生命现象人文和社会。 (b)寻找数据所含的规律，就是探索宇宙、生命、人类行 为、社会发展的规律
1数据科学 (2)数据学的框架 数据学应用宇宙数据学生命数据学行为数据学 数据学基础 数据获取 数据分析 数据感知 数据勘探 数据实验 数据可视化 数据伪装 数据挖掘 数据可嗅化 数据辨伪 数据百科全书 数据可听化 「数据整合[数据分类[数据可触化 数据科学基本假设和基础理论
1 数据科学 (2)数据学的框架
1数据科学 注:(a)数据勘探:勘探数据集的结构(分析数据集的物理结 构、逻辑结构)和总体特性(用抽样分析的方法发现数据集 服从的分布、个体性或群体性、是否有簇或关联规则 (b)数据实验( data experiment):验证自然界和数据自然 的假说和规律、模拟人文与社会行为、发现数据规律 数据实验通过实验的方式(实验对象、工具、方法和步骤 观察手段等),对数据进行实验,获得实验结果,通过观 察实验结果对假说和预的规律进行验证。 c数据伪装( data camouflage):将暴露在公众可及地方 自己的数据进行伪装,使得别人即使获得该数据也无 法知道其数据含义。 (d)数据辨伪( data perception):识别经过伪装的数据
1 数据科学 注：(a)数据勘探：勘探数据集的结构(分析数据集的物理结 构、逻辑结构)和总体特性(用抽样分析的方法发现数据集 服从的分布、个体性或群体性、是否有簇或关联规则)。 (b)数据实验(data experiment) ：验证自然界和数据自然 界的假说和规律、模拟人文与社会行为、发现数据规律。 数据实验通过实验的方式(实验对象、工具、方法和步骤、 观察手段等)，对数据进行实验，获得实验结果，通过观 察实验结果对假说和预的规律进行验证。 (c)数据伪装(data camouflage) ：将暴露在公众可及地方 的自己的数据进行伪装，使得别人即使获得该数据也无 法知道其数据含义。 (d)数据辨伪(data perception)：识别经过伪装的数据
1数据科学 别类,形成数据谱系和发展历史的影数据分门 注:(e)数据分类学( data taxonomy):将 (f)数据感知( data awareness):像感受大自然那 样感受数据自然界,包含数据可视化、数据可听 化、数据可嗅可触化等方法和技术。 (g)专门领域的数据学:针对具体领域和环境的 数据学,即专门领域的数据学,即专门的理论、 技术和方法
1 数据科学 注：(e)数据分类学(data taxonomy) ：将数据分门 别类，形成数据谱系和发展历史图谱。 (f)数据感知(data awareness) ：像感受大自然那 样感受数据自然界，包含数据可视化、数据可听 化、数据可嗅可触化等方法和技术。 (g)专门领域的数据学：针对具体领域和环境的 数据学，即专门领域的数据学，即专门的理论、 技术和方法
数据矿山1数据挖掘工具信息金块 2数据挖掘 人类已进入一个崭新的信息时代,数据库中存储的数据量急剧 膨胀,需要从海量数据库和大量繁杂信息中提取有价值的知 识,进一步提高信息的利用率。 产生了一个新的研究 基于数据库的知识发现及相应的 薮据挖掘理论和技术的研究。 随着大数据库的建立和海量数据的不断涌现,必然提出对强 有力的数据分析工县的迫追切需求,但现实情况往往是“数 快速增长的海量数据收集、存放在大型数据库中,没有强有 力的工具,理解它们已经远远超出人的能力。因此,有人 称之为:“数据坟墓”。 由于专家系统工具过分依赖用户或专家人工地将知识输入知 库中,而且分析结果往往带有偏差和错误,再加上耗时、 费用高,故不可行
2 数据挖掘 人类已进入一个崭新的信息时代 ,数据库中存储的数据量急剧 膨胀,需要从海量数据库和大量繁杂信息中提取有价值的知 识，进一步提高信息的利用率。 产生了一个新的研究方向：基于数据库的知识发现及相应的 数据挖掘理论和技术的研究。 随着大数据库的建立和海量数据的不断涌现，必然提出对强 有力的数据分析工具的迫切需求。但现实情况往往是“数 据十分丰富，而信息相当贫乏。 ” 快速增长的海量数据收集、存放在大型数据库中，没有强有 力的工具，理解它们已经远远超出人的能力。因此，有人 称之为：“数据坟墓” 。 由于专家系统工具过分依赖用户或专家人工地将知识输入知 识库中，而且分析结果往往带有偏差和错误，再加上耗时、 费用高，故不可行。 数据矿山 信息金块 数据挖掘工具