Datavitenskap: Forskjell mellom sideversjoner
Slettet innhold Innhold lagt til
m Standardisering av omdirigeringer |
Skapt ved oversettelse av siden «Data science» Tagger: Fjernet omdirigering Lenker til pekersider Innholdsoversettelse Innholdsoversettelse, v2 |
||
| Linje 1: | Linje 1: | ||
'''Datavitenskap''' er et [[tverrfaglig]] felt som bruker [[statistikk]], [[Vitenskapelig metode|vitenskapelige metoder]], [[Prosess|prosesser]], [[Algoritme|algoritmer]] og systemer for å generere [[kunnskap]] og [[Forretningsinnsikt|innsikt]] fra støyete, [[Struktur|strukturerte]] og [[ustrukturerte data]].<ref>{{Cite journal|last1=Dhar|first1=V.|title=Data science and prediction|url=http://cacm.acm.org/magazines/2013/12/169933-data-science-and-prediction/fulltext}}</ref><ref>{{Kilde www|url=http://simplystatistics.org/2013/12/12/the-key-word-in-data-science-is-not-data-it-is-science/|tittel=The key word in "Data Science" is not Data, it is Science|besøksdato=1 January 2014|arkiv-url=https://web.archive.org/web/20140102194117/http://simplystatistics.org/2013/12/12/the-key-word-in-data-science-is-not-data-it-is-science/|arkivdato=2 January 2014|etternavn=Jeff Leek|forfatterlenke=Jeffrey T. Leek|forlag=Simply Statistics}}</ref> Datavitenskap er relatert til [[datautvinning]], [[maskinlæring]] og [[stordata]]. |
|||
#OMDIRIGERING [[Informatikk]] |
|||
Datavitenskap er et har blitt beskrevet som et konsept for å forene [[statistikk]], dataanalyse, [[informatikk]] og deres relaterte metoder for å forstå og [[Analyse|analysere]] faktiske [[fenomen]] med [[data]].<ref>{{Kilde bok|tittel=Data Science, Classification, and Related Methods|etternavn=Hayashi|fornavn=Chikio|dato=1998-01-01|utgiver=Springer Japan|isbn=9784431702085|redaktør-etternavn=Hayashi|serie=Studies in Classification, Data Analysis, and Knowledge Organization|språk=en|kapittel=What is Data Science? Fundamental Concepts and a Heuristic Example|kapittel-url=https://www.springer.com/book/9784431702085|doi=10.1007/978-4-431-65950-1_3}}</ref> Det tas i bruk teknikker og [[teori]] fra felt som [[matematikk]], [[statistikk]], [[datateknikk]], [[informatikk]], [[informasjonsvitenskap]] og [[domenekunnskap]].<ref>{{Cite journal|last1=Cao|first1=Longbing|date=2017-06-29|title=Data Science: A Comprehensive Overview}}</ref> Datavitenskap er imidlertid forskjellig fra [[datateknikk]] (''computer science'') og informasjonsvitenskap. [[Turing-prisen|Turing-prisvinneren]] Jim Gray så for seg datavitenskap som et et fjerde paradigme av vitenskap ([[Empirisk forskning|empirisk]], [[Grunnforskning|teoretisk]], [[beregningsvitenskap|beregnet]], og nå datadrevet), og hevdet at alt om vitenskap endrer seg på grunn av innvirkningen fra [[Informasjons- og kommunikasjonsteknologi|informasjonsteknologi]] og [[Informasjon eksplosjon|informasjonseksplosjonen]].<ref name="TansleyTolle2009">{{Kilde bok|url=https://books.google.com/books?id=oGs_AQAAIAAJ|tittel=The Fourth Paradigm: Data-intensive Scientific Discovery|etternavn=Tony Hey|etternavn2=Stewart Tansley|etternavn3=Kristin Michele Tolle|utgiver=Microsoft Research|isbn=978-0-9825442-0-4|arkivurl=https://web.archive.org/web/20170320193019/https://books.google.com/books?id=oGs_AQAAIAAJ|arkivdato=20 March 2017}}</ref><ref name="BellHey2009">{{Cite journal|last1=Bell|first1=G.|title=COMPUTER SCIENCE: Beyond the Data Deluge}}</ref> |
|||
[[Kategori:Omdirigeringer for utdanning og forskning]] |
|||
[[Kategori:Omdirigeringer for informasjonsteknologi]] |
|||
En '''dataviter''' er en person som lager programmeringskode og kombinerer den med statistisk kunnskap for å skape innsikt fra data.<ref>{{Cite journal|title=Data Scientist: The Sexiest Job of the 21st Century|url=https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/|journal=Harvard Business Review|date=October 2012|access-date=2016-01-18|last1=Davenport|first1=Thomas H.|last2=Patil|first2=D. J.|volume=90|issue=10|pages=70–76, 128|pmid=23074866}}</ref> |
|||
Det er fortsatt ingen konsensus om definisjonen av datavitenskap, og det anses av noen å være en [[moteord]].<ref>{{Kilde www|url=https://www.forbes.com/sites/gilpress/2013/08/19/data-science-whats-the-half-life-of-a-buzzword/|tittel=Data Science: What's The Half-Life of a Buzzword?|besøksdato=2020-04-03|fornavn=Gil|etternavn=Press}}</ref> [[Stordata]] er et relatert markedsføringsbegrep.<ref name=":5">{{Kilde www|url=https://www.forbes.com/sites/peterpham/2015/08/28/the-impacts-of-big-data-that-you-may-not-have-heard-of/|tittel=The Impacts of Big Data That You May Not Have Heard Of|besøksdato=2020-04-03|fornavn=Peter|etternavn=Pham}}</ref> Datavitere er ansvarlige for å bryte ned stordata til brukbar informasjon og lage programvare og algoritmer som hjelper selskaper og organisasjoner med å styre driften optimalt.<ref name=":6">{{Kilde www|url=https://towardsdatascience.com/how-data-science-will-impact-future-of-businesses-7f11f5699c4d|tittel=How Data Science will Impact Future of Businesses?|besøksdato=2020-04-03|fornavn=Sophia|etternavn=Martin}}</ref> |
|||
== Se også == |
|||
* [[Maskinlæring]] |
|||
* [[Stordata]] |
|||
== Referanser == |
|||
[[Kategori:Dataanalyse]] |
|||
[[Kategori:Informasjonsvitenskap]] |
|||
Sideversjonen fra 3. jan. 2023 kl. 20:39
Datavitenskap er et tverrfaglig felt som bruker statistikk, vitenskapelige metoder, prosesser, algoritmer og systemer for å generere kunnskap og innsikt fra støyete, strukturerte og ustrukturerte data.[1][2] Datavitenskap er relatert til datautvinning, maskinlæring og stordata.
Datavitenskap er et har blitt beskrevet som et konsept for å forene statistikk, dataanalyse, informatikk og deres relaterte metoder for å forstå og analysere faktiske fenomen med data.[3] Det tas i bruk teknikker og teori fra felt som matematikk, statistikk, datateknikk, informatikk, informasjonsvitenskap og domenekunnskap.[4] Datavitenskap er imidlertid forskjellig fra datateknikk (computer science) og informasjonsvitenskap. Turing-prisvinneren Jim Gray så for seg datavitenskap som et et fjerde paradigme av vitenskap (empirisk, teoretisk, beregnet, og nå datadrevet), og hevdet at alt om vitenskap endrer seg på grunn av innvirkningen fra informasjonsteknologi og informasjonseksplosjonen.[5][6]
En dataviter er en person som lager programmeringskode og kombinerer den med statistisk kunnskap for å skape innsikt fra data.[7]
Det er fortsatt ingen konsensus om definisjonen av datavitenskap, og det anses av noen å være en moteord.[8] Stordata er et relatert markedsføringsbegrep.[9] Datavitere er ansvarlige for å bryte ned stordata til brukbar informasjon og lage programvare og algoritmer som hjelper selskaper og organisasjoner med å styre driften optimalt.[10]
Se også
Referanser
- ^ Dhar, V. «Data science and prediction».
- ^ Jeff Leek. «The key word in "Data Science" is not Data, it is Science». Simply Statistics. Arkivert fra originalen 2 January 2014. Besøkt 1 January 2014. Sjekk datoverdier i
|arkivdato=, |besøksdato=(hjelp) - ^ Hayashi, Chikio (1. januar 1998). «What is Data Science? Fundamental Concepts and a Heuristic Example». I Hayashi. Data Science, Classification, and Related Methods. Studies in Classification, Data Analysis, and Knowledge Organization (engelsk). Springer Japan. ISBN 9784431702085. doi:10.1007/978-4-431-65950-1_3.
- ^ Cao, Longbing (29. juni 2017). «Data Science: A Comprehensive Overview».
- ^ Tony Hey; Stewart Tansley; Kristin Michele Tolle. The Fourth Paradigm: Data-intensive Scientific Discovery. Microsoft Research. ISBN 978-0-9825442-0-4. Arkivert fra originalen 20 March 2017. Sjekk datoverdier i
|arkivdato=(hjelp) - ^ Bell, G. «COMPUTER SCIENCE: Beyond the Data Deluge».
- ^ Davenport, Thomas H.; Patil, D. J. (October 2012). «Data Scientist: The Sexiest Job of the 21st Century». Harvard Business Review. 90 (10): 70–76, 128. PMID 23074866. Sjekk datoverdier i
|dato=(hjelp) - ^ Press, Gil. «Data Science: What's The Half-Life of a Buzzword?». Besøkt 3. april 2020.
- ^ Pham, Peter. «The Impacts of Big Data That You May Not Have Heard Of». Besøkt 3. april 2020.
- ^ Martin, Sophia. «How Data Science will Impact Future of Businesses?». Besøkt 3. april 2020.