ದತ್ತಾಂಶ ವಿಜ್ಞಾನ

ವಿಕಿಪೀಡಿಯದಿಂದ, ಇದು ಮುಕ್ತ ಹಾಗೂ ಸ್ವತಂತ್ರ ವಿಶ್ವಕೋಶ
ಕಾಮೆಟ್ ನಿಯೊವೈಸ್ (ಇಲ್ಲಿ ಕೆಂಪು ಚುಕ್ಕೆಗಳ ಸರಣಿಯಂತೆ ಚಿತ್ರಿಸಲಾಗಿದೆ) ಅಸ್ತಿತ್ವವನ್ನು ಬಾಹ್ಯಾಕಾಶ ದೂರದರ್ಶಕ, ವೈಡ್-ಫೀಲ್ಡ್ ಇನ್ಫ್ರಾರೆಡ್ ಸರ್ವೆ ಎಕ್ಸ್‌ಪ್ಲೋರರ್ ಸ್ವಾಧೀನಪಡಿಸಿಕೊಂಡಿರುವ ಖಗೋಳ ಸಮೀಕ್ಷೆಯ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಕಂಡುಹಿಡಿಯಲಾಯಿತು.

ದತ್ತಾಂಶ ವಿಜ್ಞಾನವು ವೈಜ್ಞಾನಿಕ ವಿಧಾನಗಳು, ಪ್ರಕ್ರಿಯೆಗಳು, ಅಲ್ಗಾರಿದಮ್‌ಗಳು ಮತ್ತು ಗದ್ದಲದ, ರಚನಾತ್ಮಕ ಮತ್ತು ರಚನೆಯಿಲ್ಲದ ದತ್ತಾಂಶದಿಂದ ಜ್ಞಾನ ಮತ್ತು ಒಳನೋಟಗಳನ್ನು ಹೊರತೆಗೆಯಲು ಬಳಸುವ ಅಂತರಶಿಸ್ತೀಯ ಕ್ಷೇತ್ರವಾಗಿದೆ. [೧] [೨]ಹಾಗೆಯೇ, ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಅಪ್ಲಿಕೇಶನ್ ಡೊಮೇನ್‌ಗಳಲ್ಲಿ ಡೇಟಾದಿಂದ ಜ್ಞಾನವನ್ನು ಅನ್ವಯಿಸುತ್ತದೆ. ದತ್ತಾಂಶ ವಿಜ್ಞಾನವು ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆ, ಯಂತ್ರ ಕಲಿಕೆ ಮತ್ತು ದೊಡ್ಡ ಡೇಟಾಗೆ ಸಂಬಂಧಿಸಿದೆ. ದತ್ತಾಂಶ ವಿಜ್ಞಾನವು, ವಾಸ್ತವ ವಿದ್ಯಮಾನಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ವಿಶ್ಲೇಷಿಸಲು ಅಂಕಿಅಂಶಗಳು, ದತ್ತಾಂಶ ವಿಶ್ಲೇಷಣೆ, ಇನ್ಫರ್ಮ್ಯಾಟಿಕ್ಸ್ ಮತ್ತು ಅವುಗಳ ಸಂಬಂಧಿತ ವಿಧಾನಗಳನ್ನು ದತ್ತಾಂಶದೊಂದಿಗೆ ಏಕೀಕರಿಸುವ ಪರಿಕಲ್ಪನೆಯಾಗಿದೆ.[೩] ಇದು ಗಣಿತ, ಅಂಕಿಅಂಶ, ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನ, ಮಾಹಿತಿ ವಿಜ್ಞಾನ ಮತ್ತು ಡೊಮೇನ್ ಜ್ಞಾನದ ಸಂದರ್ಭದಲ್ಲಿ ಹಲವು ಕ್ಷೇತ್ರಗಳಿಂದ ಪಡೆದ ತಂತ್ರಗಳು ಮತ್ತು ಸಿದ್ಧಾಂತಗಳನ್ನು ಬಳಸುತ್ತದೆ. [೪] ಆದಾಗ್ಯೂ, ಡೇಟಾ ವಿಜ್ಞಾನವು ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನ ಮತ್ತು ಮಾಹಿತಿ ವಿಜ್ಞಾನಕ್ಕಿಂತ ಭಿನ್ನವಾಗಿದೆ. ಟ್ಯೂರಿಂಗ್ ಪ್ರಶಸ್ತಿ ವಿಜೇತ ಜಿಮ್ ಗ್ರೇ ಅವರು ದತ್ತಾಂಶ ವಿಜ್ಞಾನವನ್ನು ವಿಜ್ಞಾನದ ನಾಲ್ಕನೇ ಮಾದರಿ ಎಂದು ಕಲ್ಪಿಸಿಕೊಂಡರು ( ಪ್ರಾಯೋಗಿಕ, ಸೈದ್ಧಾಂತಿಕ, ಕಂಪ್ಯೂಟೇಶನಲ್ ಮತ್ತು ಈಗ ಡೇಟಾ-ಚಾಲಿತ) . ಅಲ್ಲದೇ, ಮಾಹಿತಿ ತಂತ್ರಜ್ಞಾನದ ಪ್ರಭಾವದಿಂದ ವಿಜ್ಞಾನದ ಬಗ್ಗೆ ಎಲ್ಲವೂ ಬದಲಾಗುತ್ತಿದೆ ಎಂಬುದನ್ನು ದತ್ತಾಂಶ ಪ್ರವಾಹದಿಂದ ಪ್ರತಿಪಾದಿಸಿದರು. . [೫] [೬]

ಡೇಟಾ ವಿಜ್ಞಾನಿ ಎಂದರೆ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಕೋಡ್ ಅನ್ನು ರಚಿಸುವ ಮತ್ತು ಡೇಟಾದಿಂದ ಒಳನೋಟಗಳನ್ನು ರಚಿಸಲು ಅಂಕಿಅಂಶಗಳ ಜ್ಞಾನದೊಂದಿಗೆ ಸಂಯೋಜಿಸುವ ವ್ಯಕ್ತಿ. [೭]

ಅಡಿಪಾಯಗಳು[ಬದಲಾಯಿಸಿ]

ದತ್ತಾಂಶ ವಿಜ್ಞಾನವು ಅಂತರಶಿಸ್ತೀಯ ಕ್ಷೇತ್ರವಾಗಿದ್ದು, ಸಾಮಾನ್ಯವಾಗಿ ದೊಡ್ಡ ಡೇಟಾ ಸೆಟ್‌ಗಳಿಂದ ಜ್ಞಾನವನ್ನು ಹೊರತೆಗೆಯುವುದರ ಮೇಲೆ ಕೇಂದ್ರೀಕೃತವಾಗಿದೆ ಮತ್ತು ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಅಪ್ಲಿಕೇಶನ್ ಡೊಮೇನ್‌ಗಳಲ್ಲಿನ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಆ ಡೇಟಾದಿಂದ ಜ್ಞಾನ ಮತ್ತು ಒಳನೋಟಗಳನ್ನು ಅನ್ವಯಿಸುತ್ತದೆ. [೮] ಈ ಕ್ಷೇತ್ರವು ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಡೇಟಾವನ್ನು ಸಿದ್ಧಪಡಿಸುವುದು, ಡೇಟಾ ವಿಜ್ಞಾನದ ಸಮಸ್ಯೆಗಳನ್ನು ರೂಪಿಸುವುದು, ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು, ಡೇಟಾ-ಚಾಲಿತ ಪರಿಹಾರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು ಮತ್ತು ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಅಪ್ಲಿಕೇಶನ್ ಡೊಮೇನ್‌ಗಳಲ್ಲಿ ಉನ್ನತ ಮಟ್ಟದ ನಿರ್ಧಾರಗಳನ್ನು ತಿಳಿಸಲು ಸಂಶೋಧನೆಗಳನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುತ್ತದೆ. ಅಂತೆಯೇ, ಇದು ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನ, ಅಂಕಿಅಂಶಗಳು, ಮಾಹಿತಿ ವಿಜ್ಞಾನ, ಗಣಿತ, ಡೇಟಾ ದೃಶ್ಯೀಕರಣ, ಮಾಹಿತಿ ದೃಶ್ಯೀಕರಣ, ಡೇಟಾ ಸೋನಿಫಿಕೇಶನ್, ಡೇಟಾ ಏಕೀಕರಣ, ಗ್ರಾಫಿಕ್ ವಿನ್ಯಾಸ, ಸಂಕೀರ್ಣ ವ್ಯವಸ್ಥೆಗಳು, ಸಂವಹನ ಮತ್ತು ವ್ಯವಹಾರದ ಕೌಶಲ್ಯಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. [೯] [೧೦] ಸಂಖ್ಯಾಶಾಸ್ತ್ರಜ್ಞ ನಾಥನ್ ಯೌ, ಬೆನ್ ಫ್ರೈ ಮೇಲೆ ಚಿತ್ರಿಸುತ್ತಾ, ದತ್ತಾಂಶ ವಿಜ್ಞಾನವನ್ನು ಮಾನವ-ಕಂಪ್ಯೂಟರ್ ಪರಸ್ಪರ ಕ್ರಿಯೆಗೆ ಲಿಂಕ್ ಮಾಡುತ್ತಾರೆ: ಬಳಕೆದಾರರು ಅಂತರ್ಬೋಧೆಯಿಂದ ಡೇಟಾವನ್ನು ನಿಯಂತ್ರಿಸಲು ಮತ್ತು ಅನ್ವೇಷಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. [೧೧] [೧೨] ೨೦೧೫ ರಲ್ಲಿ, ಅಮೇರಿಕನ್ ಸ್ಟ್ಯಾಟಿಸ್ಟಿಕಲ್ ಅಸೋಸಿಯೇಷನ್ ಡೇಟಾಬೇಸ್ ನಿರ್ವಹಣೆ, ಅಂಕಿಅಂಶಗಳು ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆ ಮತ್ತು ವಿತರಣೆ ಮತ್ತು ಸಮಾನಾಂತರ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಮೂರು ಉದಯೋನ್ಮುಖ ಅಡಿಪಾಯ ವೃತ್ತಿಪರ ಸಮುದಾಯಗಳಾಗಿ ಗುರುತಿಸಿದೆ. [೧೩]

ಅಂಕಿಅಂಶಗಳಿಗೆ ಸಂಬಂಧ[ಬದಲಾಯಿಸಿ]

ನೇಟ್ ಸಿಲ್ವರ್ ಸೇರಿದಂತೆ ಅನೇಕ ಸಂಖ್ಯಾಶಾಸ್ತ್ರಜ್ಞರು ದತ್ತಾಂಶ ವಿಜ್ಞಾನವು ಹೊಸ ಕ್ಷೇತ್ರವಲ್ಲ, ಆದರೆ ಅಂಕಿಅಂಶಗಳಿಗೆ ಮತ್ತೊಂದು ಹೆಸರು ಎಂದು ವಾದಿಸಿದ್ದಾರೆ. [೧೪] ಡೇಟಾ ವಿಜ್ಞಾನವು ಅಂಕಿಅಂಶಗಳಿಂದ ಭಿನ್ನವಾಗಿದೆ ಎಂದು ಇತರರು ವಾದಿಸುತ್ತಾರೆ, ಏಕೆಂದರೆ ಇದು ಡಿಜಿಟಲ್ ಡೇಟಾಗೆ ವಿಶಿಷ್ಟವಾದ ಸಮಸ್ಯೆಗಳು ಮತ್ತು ತಂತ್ರಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ. [೧೫] ವಸಂತ್ ಧರ್ ಅವರು ಅಂಕಿಅಂಶಗಳು ಪರಿಮಾಣಾತ್ಮಕ ಡೇಟಾ ಮತ್ತು ವಿವರಣೆಯನ್ನು ಒತ್ತಿಹೇಳುತ್ತವೆ ಎಂದು ಬರೆಯುತ್ತಾರೆ. ಇದಕ್ಕೆ ವ್ಯತಿರಿಕ್ತವಾಗಿ, ಕೊಲಂಬಿಯಾ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಆಂಡ್ರ್ಯೂ ಗೆಲ್ಮನ್ ರವರು ಡೇಟಾ ವಿಜ್ಞಾನವು ಪರಿಮಾಣಾತ್ಮಕ ಮತ್ತು ಗುಣಾತ್ಮಕ ಡೇಟಾದೊಂದಿಗೆ ವ್ಯವಹರಿಸುತ್ತದೆ (ಉದಾಹರಣೆಗೆ ಚಿತ್ರಗಳು, ಪಠ್ಯ, ಸಂವೇದಕಗಳು, ವಹಿವಾಟುಗಳು ಅಥವಾ ಗ್ರಾಹಕರ ಮಾಹಿತಿ ಇತ್ಯಾದಿ) ಮತ್ತು ಭವಿಷ್ಯ ಮತ್ತು ಕ್ರಿಯೆಯನ್ನು ಒತ್ತಿಹೇಳುತ್ತದೆ. [೧೬] ಅಲ್ಲದೇ, ಅಂಕಿಅಂಶಗಳನ್ನು ಡೇಟಾ ವಿಜ್ಞಾನದ ಅನಿವಾರ್ಯವಲ್ಲದ ಭಾಗವೆಂದು ವಿವರಿಸಿದ್ದಾರೆ. [೧೭]

ಸ್ಟ್ಯಾನ್‌ಫೋರ್ಡ್ ಪ್ರೊಫೆಸರ್ ಡೇವಿಡ್ ಡೊನೊಹೋ ಅವರು ದತ್ತಾಂಶ ವಿಜ್ಞಾನವನ್ನು ಅಂಕಿಅಂಶಗಳಿಂದ ಡೇಟಾಸೆಟ್‌ಗಳ ಗಾತ್ರ ಅಥವಾ ಕಂಪ್ಯೂಟಿಂಗ್‌ನ ಬಳಕೆಯಿಂದ ಪ್ರತ್ಯೇಕಿಸುವುದಿಲ್ಲ ಎಂದು ಬರೆಯುತ್ತಾರೆ. ಅನೇಕ ಪದವಿ ಕಾರ್ಯಕ್ರಮಗಳು ತಮ್ಮ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಅಂಕಿಅಂಶಗಳ ತರಬೇತಿಯನ್ನು ಡೇಟಾ-ವಿಜ್ಞಾನ ಕಾರ್ಯಕ್ರಮದ ಮೂಲತತ್ವವಾಗಿ ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ರೀತಿಯಲ್ಲಿ ಪ್ರಚಾರ ಮಾಡುತ್ತವೆ. ಅವರು ದತ್ತಾಂಶ ವಿಜ್ಞಾನವನ್ನು ಸಾಂಪ್ರದಾಯಿಕ ಅಂಕಿಅಂಶಗಳಿಂದ ಬೆಳೆಯುತ್ತಿರುವ ಅನ್ವಯಿಕ ಕ್ಷೇತ್ರವೆಂದು ವಿವರಿಸುತ್ತಾರೆ. [೧೮]

ವ್ಯುತ್ಪತ್ತಿ[ಬದಲಾಯಿಸಿ]

ಆರಂಭಿಕ ಬಳಕೆ[ಬದಲಾಯಿಸಿ]

೧೯೬೨ ರಲ್ಲಿ, ಜಾನ್ ಟುಕಿ ಅವರು "ದತ್ತಾಂಶ ವಿಶ್ಲೇಷಣೆ" ಎಂದು ಕರೆದ ಕ್ಷೇತ್ರವನ್ನು ವಿವರಿಸಿದರು. ಇದು ಆಧುನಿಕ ದತ್ತಾಂಶ ವಿಜ್ಞಾನವನ್ನು ಹೋಲುತ್ತದೆ. [೧೮] ೧೯೮೫ ರಲ್ಲಿ, ಬೀಜಿಂಗ್‌ನಲ್ಲಿರುವ ಚೈನೀಸ್ ಅಕಾಡೆಮಿ ಆಫ್ ಸೈನ್ಸಸ್‌ಗೆ ನೀಡಿದ ಉಪನ್ಯಾಸದಲ್ಲಿ ಮೊದಲ ಬಾರಿಗೆ ಸಿ.ಎಫ಼್. ಜೆಫ್ ವುರವರು ಅಂಕಿಅಂಶಗಳಿಗೆ ಪರ್ಯಾಯ ಹೆಸರಾಗಿ "ಡೇಟಾ ಸೈನ್ಸ್" ಎಂಬ ಪದವನ್ನು ಬಳಸಿದರು. [೧೯] ನಂತರ, ಮಾಂಟ್ಪೆಲ್ಲಿಯರ್ ವಿಶ್ವವಿದ್ಯಾಲಯದಲ್ಲಿ ೧೯೯೨ ರ ಅಂಕಿಅಂಶಗಳ ವಿಚಾರ ಸಂಕಿರಣದಲ್ಲಿ ಭಾಗವಹಿಸಿದರು. ಅಲ್ಲಿ ಅವರು ಕಂಪ್ಯೂಟಿಂಗ್‌ನೊಂದಿಗೆ ಸ್ಥಾಪಿತ ಪರಿಕಲ್ಪನೆಗಳು ಮತ್ತು ಅಂಕಿಅಂಶಗಳು ಮತ್ತು ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ತತ್ವಗಳನ್ನು ಸಂಯೋಜಿಸಿ, ವಿವಿಧ ಮೂಲಗಳು ಮತ್ತು ರೂಪಗಳ ದತ್ತಾಂಶದ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿದ ಹೊಸ ಶಿಸ್ತಿನ ಹೊರಹೊಮ್ಮುವಿಕೆಯನ್ನು ಒಪ್ಪಿಕೊಂಡರು. [೨೦] [೨೧]

ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ಎಂಬ ಪದವನ್ನು ೧೯೭೪ ರಲ್ಲಿ ಪೀಟರ್ ನೌರ್ ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನಕ್ಕೆ ಪರ್ಯಾಯ ಹೆಸರಾಗಿ ಪ್ರಸ್ತಾಪಿಸಿದಾಗ ಗುರುತಿಸಲಾಗಿದೆ. [೪] ೧೯೯೬ ರಲ್ಲಿ, ಇಂಟರ್ನ್ಯಾಷನಲ್ ಫೆಡರೇಶನ್ ಆಫ್ ಕ್ಲಾಸಿಫಿಕೇಶನ್ ಸೊಸೈಟೀಸ್ ನಿರ್ದಿಷ್ಟವಾಗಿ ದತ್ತಾಂಶ ವಿಜ್ಞಾನವನ್ನು ಒಂದು ವಿಷಯವಾಗಿ ಒಳಗೊಂಡ ಮೊದಲ ಸಮ್ಮೇಳನವಾಯಿತು. [೪] ಆದಾಗ್ಯೂ, ವ್ಯಾಖ್ಯಾನವು ಇನ್ನೂ ಫ್ಲಕ್ಸ್‌ನಲ್ಲಿದೆ. ಬೀಜಿಂಗ್‌ನಲ್ಲಿರುವ ಚೈನೀಸ್ ಅಕಾಡೆಮಿ ಆಫ್ ಸೈನ್ಸಸ್‌ನಲ್ಲಿ ೧೯೮೫ ರ ಉಪನ್ಯಾಸದ ನಂತರ, ೧೯೯೭ ರಲ್ಲಿ ಸಿ.ಎಫ್. ಜೆಫ್ ವು ರವರು ಮತ್ತೊಮ್ಮೆ ಅಂಕಿಅಂಶಗಳನ್ನು ಡೇಟಾ ಸೈನ್ಸ್ ಎಂದು ಮರುಹೆಸರಿಸಬೇಕು ಎಂದು ಸಲಹೆ ನೀಡಿದರು. ಹೊಸ ಹೆಸರು ಅಂಕಿಅಂಶಗಳು ಅಕೌಂಟಿಂಗ್‌ಗೆ ಸಮಾನಾರ್ಥಕ ಅಥವಾ ಡೇಟಾವನ್ನು ವಿವರಿಸಲು ಸೀಮಿತವಾದಂತಹ ತಪ್ಪಾದ ಸ್ಟೀರಿಯೊಟೈಪ್‌ಗಳನ್ನು ಹೊರಹಾಕಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ ಎಂದು ಅವರು ತರ್ಕಿಸಿದರು. [೨೨] ೧೯೯೮ರಲ್ಲಿ ಹಯಾಶಿ ಚಿಕಿಯೊ, ದತ್ತಾಂಶ ವಿಜ್ಞಾನಕ್ಕಾಗಿ ಹೊಸ, ಅಂತರಶಿಸ್ತೀಯ ಪರಿಕಲ್ಪನೆಯಾಗಿ ಡೇಟಾ ವಿನ್ಯಾಸ, ಸಂಗ್ರಹಣೆ ಮತ್ತು ವಿಶ್ಲೇಷಣೆ ಎಂಬ ಮೂರು ಅಂಶಗಳೊಂದಿಗೆ ವಾದಿಸಿದರು: . [೨೧]

೧೯೯೦ ರ ದಶಕದಲ್ಲಿ, ಡೇಟಾಸೆಟ್‌ಗಳಲ್ಲಿನ ಮಾದರಿಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವ ಪ್ರಕ್ರಿಯೆಯು ಜನಪ್ರಿಯ ಪದಗಳಾದ ಜ್ಞಾನ ಅನ್ವೇಷಣೆ ಮತ್ತು [ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆ]] ಅನ್ನು ಒಳಗೊಂಡಿತ್ತು. ಅಂತೆಯೇ ಆ ಪದಗಳು ಹೆಚ್ಚು ದೊಡ್ಡದಾಗಿದ್ದವು. [೪] [೨೩]

ಆಧುನಿಕ ಬಳಕೆ[ಬದಲಾಯಿಸಿ]

ಎಸ್. ಕ್ಲೀವ್ಲ್ಯಾಂಡ್ಕಾರಣದಿಂದ ದತ್ತಾಂಶ ವಿಜ್ಞಾನದ ಆಧುನಿಕ ಪರಿಕಲ್ಪನೆಯು ಸ್ವತಂತ್ರ ವಿಭಾಗವಾಗಿದೆ. [೨೪] ೨೦೦೧ ರ ಪತ್ರಿಕೆಯಲ್ಲಿ, ಅವರು ಸಿದ್ಧಾಂತವನ್ನು ಮೀರಿ ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ವಿಸ್ತರಣೆಯನ್ನು ತಾಂತ್ರಿಕ ಕ್ಷೇತ್ರಗಳಿಗೆ ಪ್ರತಿಪಾದಿಸಿದರು; ಏಕೆಂದರೆ ಇದು ಕ್ಷೇತ್ರವನ್ನು ಗಣನೀಯವಾಗಿ ಬದಲಾಯಿಸುತ್ತದೆ, ಇದು ಹೊಸ ಹೆಸರನ್ನು ಸಮರ್ಥಿಸುತ್ತದೆ. [೨೩] ನಂತರ ಮುಂದಿನ ಕೆಲವು ವರ್ಷಗಳಲ್ಲಿ ಡೇಟಾ ಸೈನ್ಸ್ ಹೆಚ್ಚು ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲ್ಪಟ್ಟಿತು: ೨೦೦೨ ರಲ್ಲಿ, ವಿಜ್ಞಾನ ಮತ್ತು ತಂತ್ರಜ್ಞಾನಕ್ಕಾಗಿ ಡೇಟಾ ಸಮಿತಿಯು ಡೇಟಾ ಸೈನ್ಸ್ ಜರ್ನಲ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸಿತು. ೨೦೦೩ ರಲ್ಲಿ, ಕೊಲಂಬಿಯಾ ವಿಶ್ವವಿದ್ಯಾಲಯವು ದ ಜರ್ನಲ್ ಆಫ್ ಡಾಟಾ ಸೈನ್ಸ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸಿತು. [೨೩] ೨೦೧೪ ರಲ್ಲಿ, ಅಮೇರಿಕನ್ ಸ್ಟ್ಯಾಟಿಸ್ಟಿಕಲ್ ಅಸೋಸಿಯೇಷನ್‌ನ ಅಂಕಿಅಂಶಗಳ ಕಲಿಕೆ ಮತ್ತು ಡೇಟಾ ಮೈನಿಂಗ್ ವಿಭಾಗವು ತನ್ನ ಹೆಸರನ್ನು ಅಂಕಿಅಂಶಗಳ ಕಲಿಕೆ ಮತ್ತು ದತ್ತಾಂಶ ವಿಜ್ಞಾನದ ವಿಭಾಗ ಎಂದು ಬದಲಾಯಿಸಿತು. ಇದು ದತ್ತಾಂಶ ವಿಜ್ಞಾನದ ಜನಪ್ರಿಯತೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ. [೨೫]

೨೦೦೮ರಲ್ಲಿ [೨೬] ಡೇಟಾ ಸೈಂಟಿಸ್ಟ್ ಎಂಬ ವೃತ್ತಿಪರ ಶೀರ್ಷಿಕೆಯನ್ನು ಡಿಜೆ ಪಾಟೀಲ್ ಮತ್ತು ಜೆಫ್ ಹ್ಯಾಮರ್‌ಬಾಕರ್ ಅವರಿಗೆ ನೀಡಲಾಗಿದೆ. ಇದನ್ನು ೨೦೦೫ರಲ್ಲಿ ರಾಷ್ಟ್ರೀಯ ವಿಜ್ಞಾನ ಮಂಡಳಿಯು ತಮ್ಮ ಲಾಂಗ್-ಲೈವ್ಡ್ ಡಿಜಿಟಲ್ ಡೇಟಾ ಕಲೆಕ್ಷನ್ಸ್: ಎನೇಬಲಿಂಗ್ ರಿಸರ್ಚ್ ಅಂಡ್ ಎಜುಕೇಶನ್ ಇನ್ ದಿ ೨೧ಸ್ಟ್ ಸೆಂಚುರಿ ನಲ್ಲಿ ವರದಿಯನ್ನು ಮಾಡಿತು. ಇದು ಡಿಜಿಟಲ್ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯನ್ನು ನಿರ್ವಹಿಸುವಲ್ಲಿ ಯಾವುದೇ ಪ್ರಮುಖ ಪಾತ್ರವನ್ನು ವಿಶಾಲವಾಗಿ ಉಲ್ಲೇಖಿಸುತ್ತದೆ. [೨೭]

ದತ್ತಾಂಶ ವಿಜ್ಞಾನದ ವ್ಯಾಖ್ಯಾನವು ಇನ್ನೂ ಒಮ್ಮತವಾಗಿಲ್ಲ ಮತ್ತು ಇದನ್ನು ಕೆಲವರು ಬಜ್‌ವರ್ಡ್ ಎಂದು ಪರಿಗಣಿಸುತ್ತಾರೆ. [೨೮] ದೊಡ್ಡ ಡೇಟಾವು ಮಾರ್ಕೆಟಿಂಗ್ ಸಂಬಂಧಿತ ಪದವಾಗಿದೆ. [೨೯] ಡೇಟಾ ವಿಜ್ಞಾನಿಗಳು, ದೊಡ್ಡ ಡೇಟಾವನ್ನು ಬಳಸಬಹುದಾದ ಮಾಹಿತಿಯನ್ನಾಗಿ ವಿಭಜಿಸಿ ಮತ್ತು ಕಂಪನಿಗಳು ಮತ್ತು ಸಂಸ್ಥೆಗಳಲ್ಲಿ ಸೂಕ್ತ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ನಿರ್ಧರಿಸಲು ಸಹಾಯ ಮಾಡುವ ತಂತ್ರಾಂಶ ಮತ್ತು ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ರಚಿಸಲು ಜವಾಬ್ದಾರರಾಗಿರುತ್ತಾರೆ. [೩೦]


ಛಾಯಾಂಕಣ[ಬದಲಾಯಿಸಿ]

ಸಹ ನೋಡಿ[ಬದಲಾಯಿಸಿ]

ಉಲ್ಲೇಖಗಳು[ಬದಲಾಯಿಸಿ]

  1. Dhar, V. (2013). "Data science and prediction". Communications of the ACM. 56 (12): 64–73. Archived from the original on 9 November 2014. Retrieved 2 September 2015.
  2. "The key word in "Data Science" is not Data, it is Science". Simply Statistics. 2013-12-12. Archived from the original on 2 January 2014. Retrieved 1 January 2014.
  3. Hayashi, Chikio (1998-01-01). "What is Data Science? Fundamental Concepts and a Heuristic Example". In Hayashi, Chikio; Yajima, Keiji; Bock, Hans-Hermann; Ohsumi, Noboru; Tanaka, Yutaka; Baba, Yasumasa (eds.). Data Science, Classification, and Related Methods. Studies in Classification, Data Analysis, and Knowledge Organization (in ಇಂಗ್ಲಿಷ್). Springer Japan. pp. 40–51.
  4. ೪.೦ ೪.೧ ೪.೨ ೪.೩ Cao, Longbing (2017-06-29). "Data Science: A Comprehensive Overview". ACM Computing Surveys. 50 (3): 43:1–43:42.
  5. Tony Hey; Stewart Tansley; Kristin Michele Tolle (2009). The Fourth Paradigm: Data-intensive Scientific Discovery. Microsoft Research. Archived from the original on 20 March 2017.
  6. Bell, G.; Hey, T.; Szalay, A. (2009). "Computer Science: Beyond the Data Deluge". Science. 323 (5919): 1297–1298.
  7. 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. Retrieved 2016-01-18.
  8. "About Data Science". Data Science Association. Archived from the original on 2020-08-10. Retrieved 2020-04-03.
  9. "1. Introduction: What Is Data Science?". Doing Data Science [Book] (in ಇಂಗ್ಲಿಷ್). O’Reilly. Retrieved 2020-04-03.
  10. "the three sexy skills of data geeks". m.e.driscoll: data utopian (in ಇಂಗ್ಲಿಷ್). 27 May 2009. Retrieved 2020-04-03.
  11. Yau, Nathan (2009-06-04). "Rise of the Data Scientist". FlowingData (in ಇಂಗ್ಲಿಷ್). Retrieved 2020-04-03.
  12. "Basic Example". benfry.com. Retrieved 2020-04-03.
  13. "ASA Statement on the Role of Statistics in Data Science". AMSTATNEWS. 2015-10-01. Archived from the original on 20 June 2019. Retrieved 2019-05-29.
  14. "Nate Silver: What I need from statisticians". Statistics Views. Retrieved 2020-04-03.
  15. "What's the Difference Between Data Science and Statistics?". Priceonomics (in ಇಂಗ್ಲಿಷ್). Retrieved 2020-04-03.
  16. Vasant Dhar (2013-12-01). "Data science and prediction". Communications of the ACM (in ಇಂಗ್ಲಿಷ್). 56 (12): 64–73.
  17. "Statistics is the least important part of data science « Statistical Modeling, Causal Inference, and Social Science". statmodeling.stat.columbia.edu. Retrieved 2020-04-03.
  18. ೧೮.೦ ೧೮.೧ Donoho, David (18 September 2015). "50 years of Data Science" (PDF). Retrieved 2 April 2020.
  19. Wu, C. F. Jeff (1986). "Future directions of statistical research in China: a historical perspective" (PDF). Application of Statistics and Management. 1: 1–7. Retrieved 29 November 2020.
  20. Escoufier, Yves; Hayashi, Chikio; Fichet, Bernard, eds. (1995). Data science and its applications. Tokyo: Academic Press/Harcourt Brace. ISBN 0-12-241770-4.
  21. ೨೧.೦ ೨೧.೧ Murtagh, Fionn; Devlin, Keith (2018). "The Development of Data Science: Implications for Education, Employment, Research, and the Data Revolution for Sustainable Development". Big Data and Cognitive Computing (in ಇಂಗ್ಲಿಷ್). 2 (2): 14.
  22. Wu, C. F. Jeff. "Statistics=Data Science?" (PDF). Retrieved 2 April 2020.
  23. ೨೩.೦ ೨೩.೧ ೨೩.೨ Press, Gil. "A Very Short History of Data Science". Forbes (in ಇಂಗ್ಲಿಷ್). Retrieved 2020-04-03.
  24. Gupta, Shanti (11 December 2015). "William S. Cleveland". Retrieved 2 April 2020.
  25. Talley, Jill (1 June 2016). "ASA Expands Scope, Outreach to Foster Growth, Collaboration in Data Science". Amstat News. American Statistical Association.
  26. Davenport, Thomas H.; Patil, D. J. (2012-10-01). "Data Scientist: The Sexiest Job of the 21st Century". Harvard Business Review. No. October 2012. Retrieved 2020-04-03.
  27. "US NSF – NSB-05-40, Long-Lived Digital Data Collections Enabling Research and Education in the 21st Century". www.nsf.gov. Retrieved 2020-04-03.
  28. Press, Gil. "Data Science: What's The Half-Life of a Buzzword?". Forbes (in ಇಂಗ್ಲಿಷ್). Retrieved 2020-04-03.
  29. Pham, Peter. "The Impacts of Big Data That You May Not Have Heard Of". Forbes (in ಇಂಗ್ಲಿಷ್). Retrieved 2020-04-03.
  30. Martin, Sophia (2019-09-20). "How Data Science will Impact Future of Businesses?". Medium (in ಇಂಗ್ಲಿಷ್). Retrieved 2020-04-03.