SlideServe
Menu
Préférences
© SlideServe · v2026

Unveiling Data Science Insights: Computational Methods & Visualisation

doreenl avatar
7 diapositives · 106 Views · Dec 20, 2019

Explore the evolution of Data Science as an outreach-driven approach to extract insights from large data with computational methods, visualization, and domain knowledge for interpretable results.

Unveiling Data Science Insights: Computational Methods & Visualisation - slide 1
1 / 7

Télécharger la présentation

Unveiling Data Science Insights: Computational Methods & Visualisation
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation
  1. Data Mining, Data Science, Big Data

  2. Data Science • Data Science aims to extract insights from large data • Less emphasis on algorithms • More emphasis on ‘outreach’ • Term Data Science is about 10 years old, very popular nowadays • Many people reinvent themselves as Data Scientists • data miners, statisticians, BI people, analysts, database developers

  3. Data Mining & Data Science Data Science • Computational methods • Dealing with large data • Visualisation • Involving domain knowledge • Interpretable and interpreted results Data Mining fff Statistics

  4. cost per Gigabyte in dollars $1,000,000 $10,000 $100 $1 $0.01 2000 2010 1980 1990 Big Data • Because you can… • cheap storage • Administrative/financial reasons • Internet and social computing • Internet of Things, ubiquitous computing

  5. Cheap Storage 1956, IBM 350, 5 Mb 90 Tb

  6. Big Data Many facets, often people focus on only one • Very, very large data • CERN, Google, Facebook, Twitter, … • Analytics • Internet-generated • Social data • Heterogeneous, unstructured data • Large-scale technologies • MapReduce, Hadoop

  7. Size-complexity trade-off • Technological restrictions produce a trade-off • Many BigData projects algorithmically not so complex • Embarrassingly parallel CERN size complexity