数据科学：内涵、方法、意义与发展|数学|方法论|科学|统计学

大数据的迅猛发展促使数据科学正在成为一门学科. 人们普遍认为: 大数据发展催生了数据科学, 而数据科学承载着大数据发展的未来. 然而,数据科学到底是什么？它对于科学技术发展、社会进步有什么特别的意义？它有没有独特的内涵与研究方法论？它的发展规律、发展趋势、学科边界与主攻方向, 乃至人才培养规律又是什么？澄清和科学认识这些问题非常重要, 特别是对于准确把握数据科学发展方向、促进以数据为基础的科学技术与数字经济发展、高质量培养数据科学人才等都有着极为重要而现实的意义.

为了系统回答这些问题, 中国科学院信息技术科学部和国家自然科学基金委员会数学物理科学部联合组成“数据科学发展战略”研究课题组, 从2016年起历时五年有余, 先后组织二十余次专家学者研讨, 在此基础上形成了“数据科学发展战略报告”. 《数据科学 : 它的内容、方法、意义与发展》根据这一报告扩充而成.

全书分为七章.

第1章从人类社会、物理世界、信息空间三元世界理论出发, 阐述大数据在信息化社会中的基础地位、作用与价值, 揭示大数据价值原理及数据科学的数字经济背景.

图三元世界理论与科学技术

第2章尝试用数据科学的语言来沟通不同学科, 特别地, 以统一的术语扼要阐述数学、统计学、计算机科学、人工智能等学科中所使用的数据科学相关概念及内涵.由于数据科学生成的多源性、内涵的交叉性和知识的多学科性, 这样的“沟通”是数据科学发展的“第一步”.

图数据-信息-知识-智慧(DIKW)层级图

图数据价值链

图深度神经网络结构示意

第3章在梳理已有对数据科学内涵解释的基础上, 以严格的方式定义什么是数据科学, 并通过总结相关学科重大进展来梳理数据科学形成的演进历史.不同于已有讨论, 本书将数据科学定义为“有关数据价值链实现的基础理论与方法学”. 我们从研究对象、方法论、科学任务与科学目标三个维度将数据科学的内涵解释为“是运用建模、分析、计算和学习杂糅的方法研究从数据到信息、从信息到知识、从知识到决策的转换, 并实现对现实世界的认知与操控”. 对数据科学这样的严格定义, —方面, 揭示了数据科学在大数据时代作为一门独立学科的必然性和重要性;另一方面, 有助于严格界定数据科学的内涵并厘清数据科学与其他学科的关系.

图冯·诺依曼计算机体系结构

图人工智能的三大流派及其发展

图 Gartner数据科学成长曲线(2016)

第4章专门讨论数据科学的研究方法论与发展规律. 一个学科的方法论是关于该学科领域认识和实践的一般途径, 是学科之间相互标识的主要特征之一.数据科学是由数学、统计学、计算机科学、人工智能等多个学科交叉形成的新学科. 那么, 它有没有自己独有的学科方法论？它的方法论与其他学科方法论又有什么样的联系与区别？这一章对这些问题展开分析并给出了回答.

图统计学中的随机变量、现实世界的规律与数据空间中的数据集相互对应

(a)现实世界中的规律,如图中所展现的城市三类人群出行规律;(b)用随机变量的分布描述现实中的规律,如图中用三个随机变量的分布来描述三类人群的出行规律,用这三个随机变量之混合分布来描述人群出行的总体规律;(c)数据空间中的数据集,如图为三类人群的地理位置分布数据集,它可视作按三个随机变量之混合分采样的结果

第5章阐述数据科学当前发展阶段所亟待解决的重大科学技术问题.在重大科学问题方面, 我们论证提出了数据科学的重大挑战问题, 并建议聚力突破“四大科学任务”: 探索数据空间的结构与特性、建立大数据统计学、革新存储计算技术和夯实人工智能基础. 在核心技术方面, 我们提出了应重点突破的“十大技术方向”: 物联网、大数据互操作、大数据安全、大数据存储、分布式协同计算、新型数据库、大数据基础算法、数据智能、区块链、大数据可视化与交互式分析等技术.

图函数空间上的学习理论

图现代社会的重要基础设施

第6章讨论数据科学的学科发展问题, 论证了数据科学的主要研究方向、学科属性和知识结构, 并提出推动数据科学学科发展战略的若干建议.基于重要性、不冲突、专业化和完整性“四原则”, 我们论证提出了数据科学应包含的四个主体研究方向: 数据收集与管理、数据存储与计算、数据分析与解译、数据产品及应用, 论证提出了“数据科学的主体构成是统计学和人工智能学科, 而紧密相关学科是数学、计算机科学和领域相关学科”的“理工交叉、文理交融”学科属性.

图 ShellyPalmer的数据科学维恩图(2016)

第7章聚焦数据科学的人才培养问题.在分析市场对数据科学人才应具备的知识、能力、素质要求的基础上, 提出“坚持统一性、体现多样性、兼顾成长性”的数据科学人才培养原则和“知识模块化、培养杂糅化”的培养技术方案. 最后, 我们提出数据工程师、数据分析师、数据执行官等数据科学人才培养的建议方案.

正文抢先看

《数据科学 : 它的内容、方法、意义与发展》

徐宗本, 唐年胜, 程学旗著

北京：科学出版社, 2021.8

ISBN 978-7-03-069288-7

责任编辑: 李欣，钱俊

长按识码

即刻购书

科学出版社

内容简介

本书是有关数据科学内涵、方法、历史、意义及方法论、发展趋势、学科边界、核心科技问题、人才培养方案等方面的一部综合性论著.

本书可作为科研和教育主管部门、企事业研发部门、信息产业与数字经济行业决策的参考书, 也可作为数学、统计学、计算机科学、人工智能、管理科学等学科领域的数据科学研究者、信息产业从业者的研究参考书, 可供大专院校数据科学相关专业学科建设和教学参考书, 也可作为数据科学与大数据技术专业、大数据管理与应用专业、大数据技术与应用专业、人工智能专业等相关专业的“数据科学概论”教材使用.

目录速览

前言

第1章数据科学的产生背景 1
1.1 大数据促进了数据科学的形成 1
1.2 数据科学承载着大数据发展的未来 3
第2章数据科学的相关概念与方法 7
2.1 与数据相关的概念与方法 7
2.1.1 结构化、非结构化与半结构化数据 10
2.1.2 数据价值链 10
2.2 与计算机科学相关的概念与方法 12
2.2.1 计算架构 13
2.2.2 系统软件 15
2.2.3 编程语言与执行环境 15
2.2.4 大数据平台软件 16
2.2.5 数据处理算法 17
2.3 与统计学相关的概念与方法 18
2.3.1 统计描述 18
2.3.2 统计建模 21
2.3.3 统计推断 25
2.4 与机器学习相关的概念与方法 30
2.4.1 机器学习范式 31
2.4.2 机器学习算法 36
2.4.3 近代人工智能方法 49
第3章数据科学的内涵及演进 57
3.1 数据科学的定义 57
3.2 数据科学与其他学科的关联与区别 60
3.3 促进数据科学形成的重大进展 63
3.3.1 计算机科学相关的重大进展 63
3.3.2 统计学相关的重大进展 66
3.3.3 人工智能相关的重大进展 71
3.4 数据科学概念的形成与演进 77
第4章数据科学的方法论与发展趋势 80
4.1 数据科学方法论 80
4.2 数据科学方法论与其他学科方法论的比较 84
4.2.1 与数学方法论的关联与区别 84
4.2.2 与统计学方法论的关联与区别 85
4.2.3 与计算机科学方法论的关联与区别 88
4.2.4 与人工智能方法论的关联与区别 89
4.3 数据科学的发展规律与趋势 90
第5章数据科学的重大科学技术问题 98
5.1 四大科学任务 98
5.1.1 探索数据空间的结构与特性 98
5.1.2 建立大数据统计学 100
5.1.3 革新存储计算技术 103
5.1.4 夯实人工智能基础 108
5.2 十大技术方向 114
5.2.1 物联网技术 114
5.2.2 大数据互操作技术 115
5.2.3 大数据安全技术 117
5.2.4 大数据存储技术 119
5.2.5 分布式协同计算技术 121
5.2.6 新型数据库技术 123
5.2.7 大数据基础算法 127
5.2.8 数据智能技术 128
5.2.9 区块链技术 129
5.2.10 大数据可视化与交互式分析技术 132
第6章数据科学的学科发展 135
6.1 数据科学的学科方向 135
6.1.1 数据收集与管理 135
6.1.2 数据存储与计算 136
6.1.3 数据分析与解译 137
6.1.4 数据产品及应用 139
6.2 数据科学的学科属性与范畴 140
6.3 数据科学的发展战略 142
第7章数据科学的人才培养 149
7.1 社会需要什么样的数据科学人才？149
7.1.1 数据科学人才的市场需求 149
7.1.2 数据科学人才的知识、能力与素质 151
7.1.3 数据科学的人才培养原则 153
7.2 如何培养数据科学人才？155
7.2.1 数据工程师培养方案 160
7.2.2 数据分析师培养方案 161
7.2.3 数据执行官培养方案 162
参考文献 165
索引 178