Datascience

[arilou]

А вот скажите, кто в курсе, в этом столь популярном datascience каков процент реально каких-то новых вещей, а каков - просто модные красивые слова и маркетинговые побрякушки для старых известных методов, структур и задач? Это что-то реально новое или просто "хорошо забытое старое

Comments

[aywen]

Насколько я в этом пока пытаюсь разобраться, это в основе матстат и математическое моделирование.
Плюс то, что современные мощности позволяют обрабатывать реально большие данные, и находить закономерности.

[tim_caper]

Насколько я в курсе (хотя я не специалист) - дофига.
Подробности беру отсюда: ailev.livejournal.com

[arilou]

О, давно не заглядывал к Левенчуку. А у него там, оказывается, интересно.
Спасибо.

[qkowlew]

С моей личной колокольни - вопрос ещё в том, где проводить границу "старое-новое".

Объективного скачка, который сделал бы ненужными ВСЕ СТАРЫЕ методы работы (как массовый автомобиль + дорожная сеть под него устранили из реальных массовых перевозок гужевой транспорт), и который бы только по этому признаку позволил бы более менее ясно обозначить эту границу (были машины - стали лошади) - я лично НЕ ВИЖУ, но может это есть лишь недостаток моего кругозора?

Есть некий постепенный, порой жутко опосредованный и нечёткий процесс внедрения "в железо" и "во взаимосвязанные массивы софта и данных" в основном накопленного ранее мат аппарата, логики, доказательной базы. Главное же в этом процессе - то, что его связь с реальностью, влияние на реальность всё теснее, плотнее, интенсивнее.

Когда писался "Принц Госплана" - было очень хорошо видно, насколько "не о реальности" эти компьютеры.

Для меня именно этот постепенный процесс, в котором есть и сравнительно небольшая доза в самом деле новых, ранее не бывавших идей, - и есть "data science"

[mikser]

Много нового. И в качестве новых техник и идей, и в качестве "это с тем соединить и так воплотить раньше никто не делал".