Данных как Практические науки

Данные добычи находится на пересечении различных дисциплин. Ее корни находятся в методы анализа данных, которые были первоначально главным объектом изучения статистики. Основные идеи, на основе теории оценки, классификации, кластеризации, выборка теоретически, действительно еще одна из основных составляющих данных. Но другие способы и методы были добавлены к панели инструментов по анализу данных, расширение границ классической параметрической статистики с более сложные модели, достигнув своей зрелости, с фактическим уровнем знаний по решению деревья, нейронные сети, поддержку векторных машин, просто бы упомянуть несколько. Кроме того, необходимо организовать и управлять большим органов данных требуется развертывание компьютерных наук методов управления базами данных, оптимизации запросов, оптимальное кодирование алгоритмов, и других задач посвящен хранения информации в памяти компьютеров, а также эффективного выполнения алгоритмов.

В общей торговой маркой современных подходов является формализация оценки и классификации проблем, возникающих в данных, как математические проблемы оптимизации, а также использование в соответствии алгоритмических методов для определения оптимальных решений этих проблем. Такая методологическая основа была решительно поддерживает прикладной математики и исследования операций (ИЛИ), научной дисциплины характеризуется глубокой интеграции математической теории и практические проблемы. Важным свидетельством роли ИЛИ данных добыча вклад нелинейной оптимизации и целое методы уделять решению ошибка минимизации функций, которые должны быть оптимизированы для обучения нейронных сетей и поддержку векторных машин. Аналогично, целое программирования и комбинаторные оптимизации, в основном используется для решения проблем, возникающих в процессе идентификации синтетических упорядоченной классификации моделей и в выборе оптимального подмножества функций в больших наборах данных.

Несмотря на свою твердую методологических характеристик, данных не может быть успешно применена без глубокого понимания семантической каждой конкретной проблемы, которая зачастую требует адаптации существующих методов и разработка специальных методов, частично на основе уже существующих алгоритмов. В некоторой степени, реальная задача, что данных врач сталкивается является выбор среди множества различных методов и подходов, с одной, что наиболее сферы задача рассматривается, зачастую оценке компромисса между сложностью выбранной модели и ее обобщения потенциала.