தரவு அறிவியல்
தரவு அறிவியல் என்பது புள்ளியியல் , அறிவியல் கணினி , செயல்முறை வழிகள் , அமைப்புகளைப் பயன்படுத்தி , கட்டமைக்கப்பட்ட தரவுகளிலிருந்தும், கட்டமைக்கப்படாத தரவுகளிலிருந்து அறிவையும் நுண்ணறிவுகளையும் பிரித்தெடுக்க அல்லது விரிவுபடுத்தும் ஒரு இடைமுகக் கல்வித் துறையாகும்.[1][2]
தரவு அறிவியல் அடிப்படைப் பயன்பாட்டு களத்திலிருந்து கள அறிவையும் ஒருங்கிணைக்கிறது (எ. கா. இயற்கை அறிவியல் தகவல் தொழில்நுட்பம், மருத்துவம்). தரவு அறிவியல் பன்முகத்தன்மை கொண்ட அறிவியல் ஆகும்..[3]
தரவு அறிவியல் என்பது புள்ளியியல் , தரவு பகுப்பாய்வு , தகவல் தொழில்நுட்பம், இன்னும் அவற்றின் தொடர்புடைய முறைகளை ஒன்றிணைப்பதற்கான புலமாகும். இது கணிதம் , புள்ளியியல் , கணினி அறிவியல் , தகவல் அறிவியல், கள அறிவு ஆகியவற்றின் பின்னணியில் பல துறைகளிலிருந்து பெறப்பட்ட நுட்பங்கள் மற்றும் கோட்பாடுகளைப் பயன்படுத்துகிறது.[4] இருப்பினும் , தரவு அறிவியல் கணினி அறிவியல், தகவல் அறிவியலிலிருந்து வேறுபட்டது. டூரிங் விருது வென்ற ஜிம் கிரே , தரவு அறிவியலை " அறிவியலின் நான்காவது முன்காட்டு " என்றார். மேலும் , " தகவல் தொழில்நுட்பத் தாக்கம், தரவு வெள்ளம் காரணமாக தரவு அறிவியல் சார்ந்த அனைத்தும் மாறி வருகின்றன " என்று சுட்டினார்.[5]
தரவு அறிவியலாளர் என்பவர் நிரலாக்கக் குறியீட்டை உருவாக்கி , தரவுகளிலிருந்து நுண்ணறிவுகளை உருவாக்க புள்ளியியல் அறிவுடன் இணைக்கும் ஒரு தொழில்முறை வல்லுனர் ஆவார்.[6]
அடித்தளங்கள்
[தொகு]தரவு அறிவியல் என்பது பொதுவாக பெரிய தரவுத் தொகுப்புகளிலிருந்து அறிவைப் பிரித்தெடுப்பதிலும் , பரந்த அளவிலான பயன்பாட்டுக் களங்களில் உள்ள சிக்கல்களைத் தீர்க்க அந்த தரவுகளிலிருந்து அறிவையும் நுண்ணறிவுகளையும் பயன்படுத்துவதிலும் கவனம் செலுத்தும் ஒரு இடைநிலைத் துறையாகும்.[7] இந்தத் துறை பகுப்பாய்விற்கான தரவை உருவாக்குது, தரவு அறிவியல் சிக்கல்களை அறிவது, தரவை பகுப்பாய்வு செய்வது, தரவு சார்ந்த தீர்வுகளை உருவாக்குவது, பரந்த அளவிலான பயன்பாட்டுக் களங்களில் உயர் மட்ட முடிவுகளைத் தெரிவிக்கும் கண்டுபிடிப்புகளை வழங்குவது ஆகியவற்றை உள்ளடக்கியது ஆகும். எனவே இது கணினி அறிவியல் , புள்ளியியல் , தகவல் அறிவியல் , கணிதம் , தரவு காட்சிப்படுத்தல் , தகவல் காட்சிப்படுத்தல், தரவு ஒருங்கிணைப்பு , வரைவியல் வடிவமைப்பு , சிக்கலான அமைப்புகள் , தகவல் தொடர்பு, வணிகம் ஆகியவற்றிலிருந்தான திறன்களை எல்லாம் உள்ளடக்கியது. பென் பிரையைப் பற்றிய புள்ளியியல் வல்லுனர் நாதன் யாவ் வரைபடம் தரவு அறிவியலை மனித - கணினி ஊடாட்டத்துடன் இணைக்கிறது. பயனர்கள் உள்ளுணர்வுடன் தரவைக் கட்டுப்படுத்தவும் ஆராயவும் முடியும். 2015 ஆம் ஆண்டில் அமெரிக்கப் புள்ளியியல் கழகம் தரவுத்தள மேலாண்மையைப் புள்ளியியல், எந்திர கற்றல், பகிர்நிலை, இணைநிலை அமைப்புகள் போன்ற மூன்று வளர்ந்து வரும் அடித்தளத் தொழில்முறை ஒருங்கிணைப்பாக அடையாளம் கண்டது.
புள்ளியியல் உறவு
[தொகு]நேட் சில்வர் உட்பட பல புள்ளியியல் வல்லுனர்கள் தரவு அறிவியல் ஒரு புதிய துறை அல்ல , மாறாக புள்ளியியலுக்கான மற்றொரு பெயர் என்று வாதிட்டனர். தரவு அறிவியல் புள்ளிவிவரங்களிலிருந்து வேறுபட்டது என்று மற்றவர்கள் வாதிடுகின்றனர் , ஏனெனில் இது இலக்கவியல் தரவுகளுக்கான தனித்த சிக்கல்கள், நுட்பங்களில் கவனம் செலுத்துகிறது. புள்ளியியல் அளவுக்குத் தரவு விளக்கத்தை வலியுறுத்துகின்றன என்று வசந்த் தார் எழுதுகிறார். இதற்கு மாறாக தரவு அறிவியல் தரமான தரவைக் கையாள்கிறது (எ. கா. படங்களிலிருந்து) உரை, உணரிகள், பரிமாற்றங்கள், வாடிக்கையாளர் தகவல்கள் போன்றவை). மேலும் கணிப்புச் செயலை வலியுறுத்துகிறது.[8] கொலம்பியா பல்கலைக்கழகத்தின் ஆந்திரூ கெல்மேன் , புள்ளியியல் தரவு அறிவியலின் தேவையற்ற பகுதி என்று விவரித்துள்ளார்.
தரவு அறிவியல் புள்ளியியலிலிருந்து தரவுத்தொகுப்புகளின் அளவு அல்லது கணினி பயன்பாட்டின் வழி வேறுபடுத்தப்படவில்லை என்றும் , பல பட்டதாரித் திட்டங்கள் தங்கள் பகுப்பாய்வு, புள்ளியியல் பயிற்சியை தரவு அறிவியல் திட்டத்தின் சாரமாக தவறாக விளம்பரப்படுத்துகின்றன என்றும் சுட்டான்போர்டு பேராசிரியர் டேவிடு தோனோஹோ எழுதுகிறார். தரவு அறிவியலை மரபான புள்ளியியலிலிருந்து வளர்ந்து வரும் ஒரு பயன்பாட்டுத் துறை என்று அவர் விவரிக்கிறார்.[9]
சொற்பிறப்பியல்
[தொகு]தொடக்கநிலைப் பயன்பாடு
[தொகு]1962 ஆம் ஆண்டில் ஜான் துகி நவீனத் தரவு அறிவியலை ஒத்த ஒரு துறையை விவரித்தார்.[9] 1985 ஆம் ஆண்டில் பெய்ஜிங்கில் உள்ள சீன அறிவியல் கல்விக்கழகத்தில் சி. எப். ழெப் வு , புள்ளியியலுக்கான மாற்று பெயராக " தர்வு அறிவியல் " என்ற சொல்லை முதன்முறையாக பயன்படுத்தினார்.[10] 1992 ஆம் ஆண்டு மாண்ட்பெல்லியர் II பல்கலைக்கழகத்தில் நடந்த புள்ளியியல் கருத்தரங்கில் பங்கேற்பாளர்கள் பல்வேறு தோற்றங்கள், பாணிகளின் தரவுகளில் கவனம் செலுத்தும் ஒரு புதிய துறையின் தோற்றத்தை ஒப்புக் கொண்டனர். நிறுவப்பட்ட கருத்துக்கள், புள்ளியியலின் கொள்கைகள், தரவு பகுப்பாய்வு ஆகியவற்றை கணினியுடன் இணைத்தனர்..[11][12]
" தர்வு அறிவியல் " என்ற சொல் 1974 ஆம் ஆண்டில் பீட்டர் நௌர் கணினி அறிவியலுக்கு மாற்றுப் பெயராக முன்மொழிந்தபோது கண்டுபிடிக்கப்பட்டது.[4] 1996 ஆம் ஆண்டில் , தரவு அறிவியலை ஒரு தலைப்பாகக் குறிப்பாகக் கொண்ட முதல் மாநாடு பன்னாட்டு வகைபாட்டுக் கழகங்களின் பேரவையால் நடத்தப்பட்டது.[4] இருப்பினும் , வரையறை இன்னும் மாறிக்கொண்டே வந்தது. 1997இல் பெய்ஜிங்கில் உள்ள சீன அறிவியல் கல்விக்கழகத்தில் 1985ஆம் ஆண்டு சொற்பொழிவுக்குப் பிறகு சி. எப். ழெப் வு மீண்டும் புள்ளியியலை தரவு அறிவியல் என்று மறுபெயரிட வேண்டும் என்று பரிந்துரைத்தார். கணக்கியல் அல்லது தரவை விவரிப்பது போன்ற தவறான வழமை முறைகளை அகற்ற ஒரு புதிய பெயர் புள்ளியியலுக்கு உதவும் என்று அவர் வற்புறுத்தினார். 1998 ஆம் ஆண்டில் , அயசி சிக்கியோ தரவு அறிவியலை ஒரு புதிய இடைநிலைக் கருத்தாக மூன்று கூறுபாடுகளுடன் வாதிட்டார்..[12]
1990களில் தரவுத்தொகுப்புகளில் பாணிகளைக் கண்டுபிடிப்பதற்கான செயல்முறைக்கான பரவலான சொற்களில் " அறிவு கண்டுபிடிப்பு " மற்றும் " தரவலகழ்தல் " ஆகியவை அடங்கும்.[4][13]
நவீனப் பயன்பாடு
[தொகு]2012 ஆம் ஆண்டில் தொழில்நுட்ப வல்லுநர்கள் தாமஸ் எச். தேவன்போர்ட்டு, டி. ஜே. பாட்டீல் ஆகியோர் " தரவு அறிவியலாளர் பணி 21 ஆம் நூற்றாண்டின் கவர்ச்சியான பணி " என்று நியூயார்க் டைம்ஸ், பாசுட்டன் குளோப் போன்ற முக்கிய நகர செய்தித்தாள்களால் கூட எடுக்கப்பட்ட ஒரு முதன்மைச் சொற்றொடர் என்று அறிவித்தனர்.[14] ஒரு பத்தாண்டுக்குப் பிறகு , " முதலாளிகளுக்கு முன்னெப்போதையும் விட இந்தப் பணிக்கான வேலைக்கான தேவை அதிகமாக உள்ளது " என்று கூறி அவர்கள் அதை மீண்டும் உறுதிப்படுத்தினர்.[15]
தரவு அறிவியல் ஒரு தற்சார்பான துறையாக நவீனக் கருத்து சிலவேளைகளில் வில்லியம் எசு. கிளீவ்லாந்திற்குக் காரணம் ஆனது.[16] 2001 ஆம் ஆண்டு ஒரு கட்டுரையில் , புள்ளிவிவரங்களை கோட்பாட்டிற்கு அப்பால் தொழில்நுட்ப பகுதிகளாக விரிவுபடுத்துவதை அவர் ஏற்றார் , ஏனெனில் இது ஒரு புதிய பெயருக்கு உத்தரவாதம் அளிக்கும் துறையைக் கணிசமாக மாற்றும்.[13] " என்றார். அடுத்த சில ஆண்டுகளில் தரவு அறிவியல் என்ற சொல் மிகவும் பரவலாகப் பயன்படுத்தப்பட்டது. 2002 இல் அறிவியல் மற்றும் தொழில்நுட்பத்திற்கான தரவுக் குழு தரவு அறிவியல் இதழைத் தொடங்கியது. 2003 இல் கொலம்பியா பல்கலைக்கழகம் தரவு அறிவியல் இதழை அறிமுகப்படுத்தியது.[13] 2014 ஆம் ஆண்டில் அமெரிக்க புள்ளியியல் கழகத்தின் புள்ளியியல் கற்றல், தரவு அகழ்தல் பிரிவு அதன் பெயரை புள்ளியியல் கற்றல், தகவல் அறிவியல் பிரிவு என்று மாற்றியது.[17]
" தகவல் அறிவியலாளர் " என்ற தொழில்முறைப் பட்டம் 2008 ஆம் ஆண்டில் டி. ஜே. பாட்டீல், ழெப் ஆமர்பாச்சருக்கு வழங்கப்பட்டது.[18] தேசிய அறிவியல் வாரியம் தனது 2005 ஆம் ஆண்டு அறிக்கையில் " நீண்டகால இலக்கவியல் தரவுத் திரட்டல், 21 ஆம் நூற்றாண்டில் ஆராய்ச்சி மற்றும் கல்வியை செயல்படுத்துதல் " என்ற அறிக்கையில் பயன்படுத்தியிருந்தாலும் , இது இலக்கவியல் தரவுத்தொகுப்பை கையாள்வதில் எந்தவொரு முதன்மைப் பங்கையும் பரவலாகக் குறிப்பிடவில்லை.[19]
தரவு அறிவியலின் வரையறையில் இன்னும் ஒருமித்த கருத்து ஏற்படவில்லை. மேலும் இது ஒரு சலசலப்பான வார்த்தையாக சிலரால் கருதப்படுகிறது. பெருந்தரவு என்பது ஒரு தொடர்புடைய சந்தைப்படுத்தல் சொல். பெருந்தரவுகளைப் பயன்படுத்தக்கூடிய தகவல்களாக உடைப்பதற்கும், நிறுவனங்களுக்கு உகந்த செயல்பாடுகளைத் தீர்மானிக்கவும் உதவும் மென்பொருள், வழிமுறைகளை உருவாக்குவதற்கும் தரவு தரவு அறிவியல் பொறுப்பானது.
தரவு அறிவியலும் தரவுப் பகுப்பாய்வும்
[தொகு]தரவு அறிவியல், தரவு பகுப்பாய்வு இரண்டும் தரவு மேலாண்மை, பகுப்பாய்வு துறையில் முதன்மையான துறைகளாகும். ஆனால் அவை பல முதன்மை வழிகளில் வேறுபடுகின்றன. தரவு அறிவியல் என்பது புள்ளியியல் கணக்கீட்டு முறைகளையும் எந்திர கற்றல் முறைகளையும் பயன்படுத்துவதை உள்ளடக்கிய ஒரு இடைநிலைத் துறையாகும். இது தரவுகளிலிருந்து நுண்ணறிவுகளைப் பிரித்தெடுக்கவும் கணிப்புகளை உருவாக்கவும் பயன்படுத்தப்படுகிறது , அதே நேரத்தில் தரவு பகுப்பாய்வு பாணிகள், போக்குகளை அடையாளம் காண தரவின் செய்முறையிலும் விளக்கத்திலும் கூடுதலாகக் கவனம் செலுத்துகிறது.[20][21]
தரவு பகுப்பாய்வு பொதுவாக குறிப்பிட்ட கேள்விகளுக்குப் பதிலளிக்க அல்லது குறிப்பிட்ட சிக்கல்களைத் தீர்க்க சிறிய கட்டமைக்கப்பட்ட தரவுத்தொகுப்புகளுடன் வேலை செய்வதை உள்ளடக்கியது. தரவைப் பற்றிய நுண்ணறிவுகளைப் பெறுவதற்கும் , மாறிகளுக்கு இடையிலான உறவுகள் குறித்த கருதுகோள்களை உருவாக்குவதற்கும் தரவு காட்சிப்படுத்தல், ஆய்வு, தரவு பகுப்பாய்வு போன்ற பணிகளை இது உள்ளடக்கும். தரவு ஆய்வாளர்கள் பொதுவாக இந்த கருதுகோள்களைச் சரிபார்க்க புள்ளியியல் முறைகளைப் பயன்படுத்தி, தரவுகளிலிருந்து முடிவுகளை எடுக்கிறார்கள். எடுத்துக்காட்டாக , ஒரு தரவு ஆய்வாளர் வாடிக்கையாளர் நடத்தையில் உள்ள போக்குகளை அடையாளம் கண்டு, , சந்தைப்படுத்தல் உத்திகளுக்கான பரிந்துரைகளை வழங்கி, விற்பனைத் தரவையும் பகுப்பாய்வு செய்யலாம்.
மறுபுறம் தரவு அறிவியல் என்பது மிகவும் சிக்கலான, பன்னிச் செய்கை செயல்முறையாகும். இது பெரிய சிக்கலான தரவுத்தொகுப்புகளுடன் பணிபுரிவதை உள்ளடக்கியது. அவறறைப் பகுப்பாய்வு செய்ய, பெரும்பாலும் மேம்பட்ட கணக்கீட்டு, புள்ளியியல் முறைகள் தேவைப்படுகின்றன. தரவு அறிவியலாளர்கள் பெரும்பாலும் உரை, படங்கள் போன்ற கட்டமைக்கப்படாத தரவுகளுடன் பணிபுரிந்து, கணிப்பு படிமங்களை உருவாக்க எந்திர கற்றல் வழிமுறைகளைப் பயன்படுத்தி,. தரவு சார்ந்த முடிவுகளை எடுக்கிறார்கள். புள்ளியியல் பகுப்பாய்வுக்கு கூடுதலாக , தரவு அறிவியல் பெரும்பாலும் தரவு முன்செயலாக்கம் , சிறப்புக் கூற்றுப் பொறியியல், படிமத் தேர்வு போன்ற பணிகளை உள்ளடக்குகின்றனர். எடுத்துகாட்டாக, ஒரு தரவு அறிவியலாளர் பயனர் நடத்தை முறைகளைப் பகுப்பாய்வு செய்து, பயனர் விருப்பங்களை கணிக்க எந்திர கற்றல் வழிமுறைகளைப் பயன்படுத்தி ஒரு இணையவழித் தளத்திற்கான பரிந்துரை முறையை உருவாக்கலாம்.[21][22]
தரவு பகுப்பாய்வு தற்போதுள்ள தரவுகளிலிருந்து நுண்ணறிவுகளைப் பெறுவதில் கவனம் செலுத்துகிறது , தரவு அறிவியல் அதற்கு அப்பால் , தகவலறிந்த முடிவுகளை எடுக்க முன்கணிப்புப் படிமங்களின் வளர்ச்சியையும் செயல்படுத்தலையும் இணைக்கிறது. தரவு அறிவியலாளர்கள் பெரும்பாலும் தரவுகளைத் திரட்டிச் சீர்செய்வற்கும பொருத்தமான பகுப்பாய்வு நுட்பங்களைத் தேர்ந்தெடுப்பதற்கும் இயல் உலகச் சூழ்நிலைகளில் படிமங்களைப் பயன்படுத்துவதற்கும் பொறுப்பாக உள்ளனர். சிக்கலான சிக்கல்களைத் தீர்ப்பதற்கும் பெருந்தரவுத் தொகுப்புகளில் மறைக்கப்பட்ட பாணிகளைக் கண்டுபிடிப்பதற்கும் கணித, கணினி அறிவியல், கள அறிவின் குறுக்குவெட்டில் அவர்கள் வேலை செய்கிறார்கள்.
இந்த வேறுபாடுகள் இருந்தபோதிலும் , தரவு அறிவியலுக்கும் தரவுப் பகுப்பாய்வுக்கும் நெருக்கமாக தொடர்புடைய துறைகளும் பெரும்பாலும் ஒத்த திறன் தொகுப்புகளும் தேவைப்படுகின்றன. இரண்டு துறைகளுக்கும் புள்ளியியல் நிரலாக்கம், தரவு காட்சிப்படுத்தல் ஆகியவற்றில் ஓர் உறுதியான அடித்தளம் தேவைப்படுகிறது , அத்துடன் தொழில்நுட்ப, தொழில்நுட்பமற்ற பார்வையாளர்களுக்கு திறம்பட கண்டுபிடிப்புகளைத் தொடர்புகொள்வதற்கான திறன் தேவைப்படுகிறது. மேலும் , துல்லியமான பகுப்பாய்வுக்கும் படிமமாக்கத்திற்கும் தரவுகளின் சூழலையும் நுணுக்கங்களையும் புரிந்துகொள்வது தேவை என்பதால் விமர்சன சிந்தனை,யில் இருந்தும் கள அறிவிலிருந்தும் இரு துறைகளும் பயனடைகின்றன.[20][21]
சுருக்கமாக , தரவு பகுப்பாய்வும் தரவு அறிவியலும் தரவு மேலாண்மை, பகுப்பாய்வு ஆகியவற்றின் பரந்த புலமையில் தனித்துவமான, ஆனால் ஒன்றோடொன்று இணைந்த துறைகள் ஆகும். தரவு பகுப்பாய்வு கட்டமைக்கப்பட்ட தரவுகளிலிருந்து நுண்ணறிவுகளைப் பெறுவதிலும் முடிவுகளை எடுப்பதிலும் கவனம் செலுத்துகிறது , அதே நேரத்தில் தரவு அறிவியல் என்பது புள்ளியியல் பகுப்பாய்வு - கணக்கீட்டு முறைகள், எந்திர கற்றல் ஆகியவற்றை ஒருங்கிணைத்து நுண்ணறிவை பிரித்தெடுத்தல், முன்கணிப்புப் படிமங்களை உருவாக்குதல் தரவு சார்ந்த முடிவெடுத்தல் ஆகியவற்றை உள்ளடக்கியது. தரவுகளின் திறனைப் பயன்படுத்தி , தகவலறிந்த முடிவுகளை எடுப்பதற்கும் , பல்வேறு களங்களில் உள்ள சிக்கலான சிக்கல்களைத் தீர்ப்பதற்கும் இரு துறைகளும் முதன்மையான பங்கு வகிக்கின்றன.
வரலாறு.
[தொகு]மேலும் காண்க
[தொகு]- திறந்த தரவு அறிவியல் மாநாடு
- அறிவியல் தரவுகள்
- தரவுகளில் பெண்கள்
- பைதான் (நிரலாக்க மொழி)
- ஆர் (நிரலாக்க மொழி)
- தரவு பொறியியல்
- பெருந்தரவு
- எந்திர கற்றல்
மேற்கோள்கள்
[தொகு]- ↑ Donoho, David (2017). "50 Years of Data Science". Journal of Computational and Graphical Statistics 26 (4): 745–766. doi:10.1080/10618600.2017.1384734.
- ↑ Dhar, V. (2013). "Data science and prediction". Communications of the ACM 56 (12): 64–73. doi:10.1145/2500499. http://cacm.acm.org/magazines/2013/12/169933-data-science-and-prediction/fulltext. பார்த்த நாள்: 2 September 2015.
- ↑ Mike, Koby; Hazzan, Orit (2023-01-20). "What is Data Science?". Communications of the ACM 66 (2): 12–13. doi:10.1145/3575663. பன்னாட்டுத் தர தொடர் எண்:0001-0782.
- ↑ 4.0 4.1 4.2 4.3 Cao, Longbing (2017-06-29). "Data Science: A Comprehensive Overview". ACM Computing Surveys 50 (3): 43:1–43:42. doi:10.1145/3076253. பன்னாட்டுத் தர தொடர் எண்:0360-0300.
- ↑ Bell, G.; Hey, T.; Szalay, A. (2009). "Computer Science: Beyond the Data Deluge". Science 323 (5919): 1297–1298. doi:10.1126/science.1170411. பன்னாட்டுத் தர தொடர் எண்:0036-8075. பப்மெட்:19265007.
- ↑ 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. பப்மெட்:23074866. https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/. பார்த்த நாள்: 2016-01-18.
- ↑ Emmert-Streib, Frank; Dehmer, Matthias (2018). "Defining data science by a data-driven quantification of the community". Machine Learning and Knowledge Extraction 1: 235–251. doi:10.3390/make1010015.
- ↑ Vasant Dhar (2013-12-01). "Data science and prediction" (in en). Communications of the ACM 56 (12): 64–73. doi:10.1145/2500499. http://archive.nyu.edu/handle/2451/31553.
- ↑ 9.0 9.1 Donoho, David (18 September 2015). "50 years of Data Science" (PDF). பார்க்கப்பட்ட நாள் 2 April 2020.
- ↑ Wu, C. F. Jeff (1986). "Future directions of statistical research in China: a historical perspective". Application of Statistics and Management 1: 1–7. https://www2.isye.gatech.edu/~jeffwu/publications/fazhan.pdf. பார்த்த நாள்: 29 November 2020.
- ↑ Future of Data Science 2030.
- ↑ 12.0 12.1 Murtagh, Fionn; Devlin, Keith (2018). "The Development of Data Science: Implications for Education, Employment, Research, and the Data Revolution for Sustainable Development" (in en). Big Data and Cognitive Computing 2 (2): 14. doi:10.3390/bdcc2020014.
- ↑ 13.0 13.1 13.2 Press, Gil. "A Very Short History of Data Science". பார்க்கப்பட்ட நாள் 2020-04-03.
- ↑ Davenport, Thomas (2012-10-01). "Data Scientist: The Sexiest Job of the 21st Century". Harvard Business Review. பார்க்கப்பட்ட நாள் 2022-10-10.
- ↑ Davenport, Thomas (2022-07-15). "Is Data Scientist Still the Sexiest Job of the 21st Century?". Harvard Business Review. பார்க்கப்பட்ட நாள் 2022-10-10.
- ↑ "William S. Cleveland". 11 December 2015. பார்க்கப்பட்ட நாள் 2 April 2020.
- ↑ "ASA Expands Scope, Outreach to Foster Growth, Collaboration in Data Science". Amstat News. 1 June 2016. https://magazine.amstat.org/blog/2016/06/01/datascience-2/.. In 2013 the first European Conference on Data Analysis (ECDA2013) started in Luxembourg the process which founded the European Association for Data Science (EuADS) www.euads.org in Luxembourg in 2015.
- ↑ "Data Scientist: The Sexiest Job of the 21st Century". Harvard Business Review. 2012-10-01. https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century.
- ↑ "US NSF – NSB-05-40, Long-Lived Digital Data Collections Enabling Research and Education in the 21st Century". பார்க்கப்பட்ட நாள் 2020-04-03.
- ↑ 20.0 20.1 Gareth, Hastie; Witten, Tibshira (2017-09-29). "An Introduction to Statistical Learning: with Applications in R." (in ஆங்கிலம்).
- ↑ 21.0 21.1 21.2 Provost, Foster; Tom Fawcett (2013-08-01). "Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking" (in ஆங்கிலம்).
- ↑ Han, Kamber; Pei (2011). Data Mining: Concepts and Techniques (in ஆங்கிலம்).