很多刚刚接触数据科学的人可能会认为这个领域只是关于R，Python，Hadoop，SQL和传统的机器学习技术或统计建模。下面小编为大家提供一些基本的文章，展示了该领域的现代性、广泛性和深度性。但一些数据科学家实际上并没有做到以上几点。

关于深度数据科学的文章表明，数据科学也是关于自动执行许多人（称自己的数据科学家）常规执行的任务。它可以使用非常少的数学/传统统计科学来完成。数据科学是关于数据科学的自动化，而所做的大部分工作都是设计系统来实现自动化。

以下这些文章中的很多都是几年前的版本，但是它们的内容今天比以往任何时候都更有意义。这些文章应该有助于初学者更好地了解数据科学是什么。有些是技术性的，但绝大多数都可以被外行人理解。

24篇关于核心数据科学的文章

·数据科学与16个分析学科的比较（https://www.datasciencecentral.com/profiles/blogs/17-analytic-disciplines-compared）

·10种数据科学家（https://www.datasciencecentral.com/profiles/blogs/six-categories-of-data-scientists）

·数据科学家使用的40种技术（https://www.datasciencecentral.com/profiles/blogs/40-techniques-used-by-data-scientists）

·测试真实数据科学知识的50个问题（https://www.datasciencecentral.com/profiles/blogs/25-questions-to-detect-fake-data-scientists）

·统计建模的使用（https://www.datasciencecentral.com/profiles/blogs/top-20-uses-of-statistical-modeling）

·亚马逊使用21个数据科学系统来运营其业务（https://www.datasciencecentral.com/profiles/blogs/20-data-science-systems-used-by-amazon-to-operate-its-business）

·数据科学家发现的10个现代统计学概念（https://www.datasciencecentral.com/profiles/blogs/10-modern-statistical-concepts-discovered-by-data-scientists）

·8篇深度数据科学文章（https://www.datasciencecentral.com/profiles/blogs/8-deep-data-science-articles）

·22个更好的数据科学技巧（https://www.datasciencecentral.com/profiles/blogs/22-tips-for-better-data-science）

·如何检测虚假的相关性，以及如何找到真正的相关性（https://www.datasciencecentral.com/profiles/blogs/tutorial-how-to-detect-spurious-correlations-and-how-to-find-the-）

·高级与低级数据科学（https://www.datasciencecentral.com/profiles/blogs/high-level-versus-low-level-data-science）

·大数据的诅咒（https://www.analyticbridge.datasciencecentral.com/profiles/blogs/the-curse-of-big-data）

·构建高度非结构化大数据的4个简单步骤（https://www.datasciencecentral.com/profiles/blogs/5-easy-steps-to-structure-highly-unstructured-big-data）

·快速特征选择和预测能力的新定义（https://www.datasciencecentral.com/profiles/blogs/feature-selection-based-on-predictive-power）

·用于海量数据集的快速聚类算法（https://www.bigdatanews.datasciencecentral.com/profiles/blogs/fast-clustering-algorithms-for-massive-datasets）

·数据科学项目的生命周期（https://www.datasciencecentral.com/profiles/blogs/building-blocks-of-data-science）

·数据科学家分享他的成长黑客秘密（https://www.datasciencecentral.com/profiles/blogs/data-scientist-shares-his-growth-hacking-secrets）

·数据科学、机器学习、R、Python的搭档指南（https://www.datasciencecentral.com/profiles/blogs/hitchhiker-s-guide-to-data-science-machine-learning-r-python）

·数据科学家vs统计学家（https://www.datasciencecentral.com/profiles/blogs/data-scientist-vs-statistician）

·数据科学家与数据工程师（https://www.datasciencecentral.com/profiles/blogs/data-scientist-versus-data-engineer）

·数据科学家与业务分析师（https://www.datasciencecentral.com/profiles/blogs/data-scientist-versus-business-analyst

·数据科学家与数据架构师（https://www.datasciencecentral.com/profiles/blogs/data-scientist-versus-data-architect）

·垂直与水平数据科学家（https://www.datasciencecentral.com/profiles/blogs/vertical-vs-horizontal-data-scientists）

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。