論文の概要: Data Science: Challenges and Directions

• arxiv url: http://arxiv.org/abs/2006.16966v1
• Date: Sun, 28 Jun 2020 01:49:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-12 05:34:42.706595
• Title: Data Science: Challenges and Directions
• Title（参考訳）: データサイエンス:課題と方向性
• Authors: Longbing Cao
• Abstract要約: データサイエンスのタイトルを含む何百もの文献をレビューする。 議論の大部分は、統計、データマイニング、機械学習、ビッグデータ、あるいは広範なデータ分析に関するものだと考えています。 我々は、複雑なシステムとしてのデータサイエンス問題の性質にインスパイアされた研究とイノベーションの課題に焦点を当てる。
• 参考スコア（独自算出の注目度）: 42.98602883069444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While data science has emerged as a contentious new scientific field, enormous debates and discussions have been made on it why we need data science and what makes it as a science. In reviewing hundreds of pieces of literature which include data science in their titles, we find that the majority of the discussions essentially concern statistics, data mining, machine learning, big data, or broadly data analytics, and only a limited number of new data-driven challenges and directions have been explored. In this paper, we explore the intrinsic challenges and directions inspired by comprehensively exploring the complexities and intelligence embedded in data science problems. We focus on the research and innovation challenges inspired by the nature of data science problems as complex systems, and the methodologies for handling such systems.
• Abstract（参考訳）: データサイエンスは新しい科学分野として浮上してきたが、データサイエンスがなぜ必要か、そしてそれが科学になるのかという、膨大な議論や議論がなされている。 タイトルにデータサイエンスを含む数百の文献をレビューしたところ、議論のほとんどが基本的に統計、データマイニング、機械学習、ビッグデータ、あるいは広くデータ分析に関するものであり、限られた数の新たなデータ駆動型課題と方向性のみが検討されている。 本稿では,データサイエンスの課題に埋め込まれた複雑さや知性を包括的に探求することによって,本質的な課題と方向性を探求する。 我々は、複雑なシステムとしてのデータサイエンスの問題の性質に触発された研究とイノベーションの課題と、そのようなシステムを扱う方法論に焦点を当てる。

関連論文リスト

• Academic competitions [61.592427413342975]
  この章では、機械学習とその関連分野の文脈における学術的課題について調査する。 ここ数年で最も影響力のあるコンペをレビューし、知識領域における課題を分析します。 科学的な課題,その目標,主要な成果,今後の数年間の期待を概観する。
  論文  参考訳（メタデータ） (2023-12-01T01:01:04Z)
• Data Science for Social Good [2.8621556092850065]
  本稿では,「データ・サイエンス・フォー・ソーシャル・グッド」(DSSG)研究の枠組みについて述べる。 本研究では,情報システムにおけるDSSG研究の質を実証的に示すために,文献の分析を行う。 この記事と特別号が今後のDSSG研究を刺激することを期待している。
  論文  参考訳（メタデータ） (2023-11-02T15:40:20Z)
• Knowledge Graphs for the Life Sciences: Recent Developments, Challenges and Opportunities [11.35513523308132]
  生命科学におけるグラフ技術の利用の進展と進歩について論じる。 我々は、知識グラフ(KG)の構築と管理、新しい知識の発見におけるKGとその関連技術の使用、説明を支援する人工知能アプリケーションにおけるKGの使用の3つの幅広いトピックに焦点を当てる。
  論文  参考訳（メタデータ） (2023-09-29T14:03:34Z)
• Modeling Information Change in Science Communication with Semantically Matched Paraphrases [50.67030449927206]
  SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。 SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。 SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
  論文  参考訳（メタデータ） (2022-10-24T07:44:38Z)
• Maximizing information from chemical engineering data sets: Applications to machine learning [61.442473332320176]
  化学工学の応用において、古典的な人工知能のアプローチを適用するのが難しくなる4つの特徴を同定する。 それぞれのデータ特性について、これらのデータ特性が生じるアプリケーションについて論じ、現在の化学工学研究が、これらの課題を組み込むために、データサイエンスと機械学習の分野をどのように拡張しているかを示す。
  論文  参考訳（メタデータ） (2022-01-25T01:25:45Z)
• Data Science: A Comprehensive Overview [42.98602883069444]
  21世紀はビッグデータとデータ経済の時代に始まり、データDNAはすべてのデータに基づく有機体の本質的な構成要素となっている。 データDNAとその生物の適切な理解は、新しいデータ科学の分野と分析のキーストーンに依存している。 この記事では、データサイエンスと分析に関する豊富な観察、教訓、考察に加えて、総合的な全体像を描いている分野としては、初めてである。
  論文  参考訳（メタデータ） (2020-07-01T02:33:58Z)
• Data Science: Nature and Pitfalls [42.98602883069444]
  初期のデータサイエンスの健全な発展にとって重要なことは、データ科学とデータ科学の性質を深く理解することである。 これらの重要な問題は、この記事の議論を動機付けている。
  論文  参考訳（メタデータ） (2020-06-28T02:06:54Z)
• Ten Research Challenge Areas in Data Science [4.670305538969914]
  データサイエンスは、コンピュータ科学、数学、統計学、その他の分野の知識に基づいている。 この記事では、データサイエンスの専門分野としてのメタクエストから始め、データサイエンスの研究課題の基礎となる10のアイデアについて詳述する。
  論文  参考訳（メタデータ） (2020-01-27T21:39:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。