డాటా సైన్స్
.jpg)
డేటా సైన్స్ (Data science) అనేది అంతర్విభావిక విద్యా రంగం[1]. ఇది సంభావ్య ధ్వనిమయ (noisy), నిర్మాణాత్మక, అకృతాకృతి డేటా నుండి జ్ఞానాన్ని సంగ్రహించడానికి లేదా అంచనా వేయడానికి గణాంక శాస్త్రం, శాస్త్రీయ కంప్యూటింగ్, శాస్త్రీయ పద్ధతులు, ప్రాసెసింగ్, శాస్త్రీయ విజువలైజేషన్, అల్గారిథమ్లు, వ్యవస్థలను ఉపయోగిస్తుంది.[2]
పెద్ద, సంక్లిష్టమైన డేటాసెట్ల నుండి ఆచరణాత్మక అంతర్దృష్టులను సంగ్రహించడానికి సంస్థలను అనుమతించడం ద్వారా ఆధునిక నిర్ణయాధికారంలో డేటా సైన్స్ కీలక పాత్ర పోషిస్తుంది.[3] నిర్ణయాధికారాన్ని మెరుగుపరచడానికి ఆరోగ్య సంరక్షణ, ఆర్థిక, వ్యాపార విశ్లేషణల వంటి పరిశ్రమలలో డేటా సైన్స్ విపరీతంగా ఉపయోగించబడుతోంది. డేటా సైన్స్ అంతర్లీన అప్లికేషన్ డొమైన్ (ఉదాహరణకు సహజ శాస్త్రాలు, సమాచార సాంకేతికత, వైద్యం) నుండి డొమైన్ జ్ఞానాన్ని కూడా అనుసంధానిస్తుంది.[4] డేటా సైన్స్ బహుముఖమైనది, దీనిని ఒక విజ్ఞాన శాస్త్రం, పరిశోధన నమూనా, పరిశోధన పద్ధతి, క్రమశిక్షణ, వర్క్ఫ్లో, ఒక వృత్తిగా వర్ణించవచ్చు.[5]
డేటా సైన్స్ అనేది వాస్తవ దృగ్విషయాలను డేటాతో అర్థం చేసుకోవడానికి, విశ్లేషించడానికి "గణాంకాలు, డేటా విశ్లేషణ, ఇన్ఫర్మేటిక్స్, వాటి సంబంధిత పద్ధతులను ఏకీకృతం చేసే భావన".[6] ఇది గణిత శాస్త్రం, గణాంక శాస్త్రం, కంప్యూటర్ సైన్స్, సమాచార శాస్త్రం, డొమైన్ నాలెడ్జ్ సందర్భంలో అనేక రంగాల నుండి తీసుకున్న పద్ధతులు, సిద్ధాంతాలను ఉపయోగిస్తుంది.[7] అయితే, డేటా సైన్స్ అనేది కంప్యూటర్ సైన్స్, సమాచార శాస్త్రాలకు భిన్నమైనది. ట్యూరింగ్ అవార్డు గ్రహీత జిమ్ గ్రే డేటా సైన్స్ను విజ్ఞాన శాస్త్రపు "నాల్గవ నమూనా"గా (అనుభావిక, సైద్ధాంతిక, గణన, ఇప్పుడు డేటా-ఆధారిత) ఊహించాడు, సమాచార సాంకేతికత, డేటా ప్రవాహం ప్రభావం కారణంగా "సైన్స్ గురించి ప్రతిదీ మారుతోంది" అని నొక్కి చెప్పాడు.[8][9]
కంప్యూటర్ సైన్స్, గణాంకాలు, సమాచార శాస్త్రం, ఇతర విషయ-నిర్దిష్ట విభాగాల వంటి విభిన్న రంగాల నుండి పద్ధతులను తీసుకుంటుంది కాబట్టి డేటా సైన్స్ తరచుగా బహుళ క్రమశిక్షణా, వేగంగా అభివృద్ధి చెందుతున్న రంగంగా వర్ణించబడుతుంది. విభిన్న రంగాల కలయిక దశాబ్దాల క్రితం ఇన్ఫర్మేషన్ సైన్స్ ఎలా ఉందో దానిని పోలి ఉంటుందని కొందరు పరిశోధకులు వాదిస్తున్నారు (మాయెర్నిక్, 2023). డేటా సైన్స్ క్రమంగా తన సొంత అధ్యయన రంగంగా ఎలా మారిందో స్పష్టం చేయడానికి ఈ సారూప్యతలు సహాయపడతాయి.[10]
డేటా సైంటిస్ట్ అనగా డేటాను సంగ్రహించడానికి ప్రోగ్రామింగ్ కోడ్ను సృష్టించి, దానిని గణాంక పరిజ్ఞానంతో కలిపే ఒక వృత్తినిపుణుడు.[11]
పునాదులు
[మార్చు]డేటా సైన్స్ అనేది సాధారణంగా పెద్ద డేటాసెట్ల నుండి జ్ఞానాన్ని సంగ్రహించడంపై దృష్తి సారించే, ఇతర అప్లికేషన్ డొమైన్లలోని సమస్యలను పరిష్కరించడానికి ఆ డేటాలోని జ్ఞానాన్ని అన్వయించే అంతర్విభావిక విద్యా రంగం.[12] విశ్లేషణ కోసం డేటాను సిద్ధం చేయడం, డేటా సైన్స్ సమస్యలను రూపొందించడం, డేటాను విశ్లేషించడం, ఈ తీర్మానాలను సంగ్రహించడం ఈ రంగం పరిధిలోకి వస్తాయి. ఆ విధంగా, ఇది కంప్యూటర్ సైన్స్, గణితం, డేటా విజువలైజేషన్, గ్రాఫిక్ డిజైన్, కమ్యూనికేషన్, వ్యాపారం నుండి నైపుణ్యాలను పొందుపరుస్తుంది.[13]
గణాంకాలు పరిమాణాత్మక డేటా, వివరణను నొక్కి చెబుతాయని వసంత్ ధార్ రాశారు. దీనికి భిన్నంగా, డేటా సైన్స్ పరిమాణాత్మక, గుణాత్మక డేటాతో (ఉదాహరణకు చిత్రాలు, వచనం, సెన్సార్లు, లావాదేవీలు, కస్టమర్ సమాచారం మొదలైన వాటి నుండి) వ్యవహరిస్తుంది, అంచనా, చర్యకు ప్రాధాన్యత ఇస్తుంది.[14] కొలంబియా విశ్వవిద్యాలయానికి చెందిన ఆండ్రూ గెల్మాన్ గణాంకాలను డేటా సైన్స్లో అనవసరమైన భాగంగా అభివర్ణించారు.[15] డేటాసెట్ల పరిమాణం లేదా కంప్యూటింగ్ ఉపయోగం ద్వారా డేటా సైన్స్ గణాంకాల నుండి వేరు చేయబడదని స్టాన్ఫోర్డ్ ప్రొఫెసర్ డేవిడ్ డోనోహో రాశారు, అనేక గ్రాడ్యుయేట్ ప్రోగ్రామ్లు తమ అనలిటిక్స్, స్టాటిస్టిక్స్ శిక్షణను డేటా-సైన్స్ ప్రోగ్రామ్ సారాంశంగా తప్పుదోవ పట్టించేలా ప్రచారం చేస్తున్నాయని పేర్కొన్నారు. ఆయన డేటా సైన్స్ను సాంప్రదాయ గణాంకాల నుండి అభివృద్ధి చెందుతున్న అనువర్తిత రంగంగా అభివర్ణించారు.[16]
పదవ్యుత్పత్తి
[మార్చు]తొలి వాడుక
[మార్చు]1962లో, జాన్ టుకీ తను పిలిచిన "డేటా విశ్లేషణ" అనే రంగాన్ని వివరించాడు, ఇది ఆధునిక డేటా సైన్స్ను పోలి ఉంటుంది.[16] 1985లో, బీజింగ్లోని చైనీస్ అకాడమీ ఆఫ్ సైన్సెస్లో ఇచ్చిన ఉపన్యాసంలో, సి.ఎఫ్. జెఫ్ వూ గణాంకాలకు ప్రత్యామ్నాయ పేరుగా మొదటిసారిగా "డేటా సైన్స్" అనే పదాన్ని ఉపయోగించారు.[17] తరువాత, మాంట్పెల్లియర్ విశ్వవిద్యాలయం IIలో జరిగిన 1992 గణాంక సింపోజియం హాజరైనవారు గణాంకాలు, డేటా విశ్లేషణ స్థాపించబడిన భావనలు, సూత్రాలను కంప్యూటింగ్తో కలిపి వివిధ మూలాలు, రూపాల డేటాపై దృష్టి సారించే కొత్త క్రమశిక్షణ ఆవిర్భావాన్ని అంగీకరించారు.[18][19]
"డేటా సైన్స్" అనే పదం 1974లో పీటర్ నౌర్ కంప్యూటర్ సైన్స్కు ప్రత్యామ్నాయ పేరుగా ప్రతిపాదించినప్పుడు కనుగొనబడింది. అతని 1974 పుస్తకం కన్సైజ్ సర్వే ఆఫ్ కంప్యూటర్ మెథడ్స్లో, పీటర్ నౌర్ డేటా-ఆధారిత పద్ధతులపై పెరుగుతున్న ప్రాధాన్యతను ప్రతిబింబించడానికి 'కంప్యూటర్ సైన్స్' కంటే 'డేటా సైన్స్' అనే పదాన్ని ఉపయోగించమని ప్రతిపాదించాడు[20][7] 1996లో, ఇంటర్నేషనల్ ఫెడరేషన్ ఆఫ్ క్లాసిఫికేషన్ సొసైటీస్ డేటా సైన్స్ను ఒక అంశంగా ప్రత్యేకంగా ప్రదర్శించిన మొదటి సమావేశంగా అవతరించింది.[7] అయితే, నిర్వచనం ఇంకా అస్థిరంగానే ఉంది. బీజింగ్లోని చైనీస్ అకాడమీ ఆఫ్ సైన్సెస్లో 1985 ఉపన్యాసం తరువాత, 1997లో సి.ఎఫ్. జెఫ్ వూ గణాంకాలను డేటా సైన్స్గా పేరు మార్చాలని మళ్లీ సూచించారు. అకౌంటింగ్కు పర్యాయపదంగా ఉండటం లేదా డేటాను వివరించడానికి పరిమితం కావడం వంటి సరికాని మూస పద్ధతులను తొలగించడానికి కొత్త పేరు గణాంకాలకు సహాయపడుతుందని ఆయన వాదించారు.[21] 1998లో, హయాషి చికీయో డేటా సైన్స్ను డేటా రూపకల్పన, సేకరణ, విశ్లేషణ అనే మూడు అంశాలతో ఒక కొత్త, ఇంటర్ డిసిప్లినరీ భావనగా వాదించారు.[19]
ఆధునిక వాడుక
[మార్చు]2012లో, సాంకేతిక నిపుణులు థామస్ హెచ్. డావెన్పోర్ట్, డిజె పాటిల్ "డేటా సైంటిస్ట్: 21వ శతాబ్దపు అత్యంత ఆకర్షణీయమైన ఉద్యోగం" అని ప్రకటించారు,[22] ఈ ఆకట్టుకునే పదాన్ని న్యూయార్క్ టైమ్స్[23], బోస్టన్ గ్లోబ్ వంటి ప్రధాన నగర వార్తాపత్రికలు కూడా స్వీకరించాయి.[24] ఒక దశాబ్దం తరువాత, "యజమానులలో ఈ ఉద్యోగానికి గతంలో కంటే ఎక్కువ డిమాండ్ ఉంది" అని పేర్కొంటూ వారు దానిని పునరుద్ఘాటించారు.[25]
స్వతంత్ర క్రమశిక్షణగా డేటా సైన్స్ ఆధునిక భావన కొన్నిసార్లు విలియం ఎస్. క్లీవ్ల్యాండ్కు ఆపాదించబడుతుంది.[26] 2014లో, అమెరికన్ స్టాటిస్టికల్ అసోసియేషన్ విభాగమైన స్టాటిస్టికల్ లెర్నింగ్ అండ్ డేటా మైనింగ్ సెక్షన్, డేటా సైన్స్ పెరుగుతున్న జనాదరణను ప్రతిబింబిస్తూ దాని పేరును సెక్షన్ ఆన్ స్టాటిస్టికల్ లెర్నింగ్ అండ్ డేటా సైన్స్గా మార్చుకుంది.[27]
"డేటా సైంటిస్ట్" అనే వృత్తిపరమైన శీర్షిక 2008లో డిజె పాటిల్, జెఫ్ హామర్బాచర్లకు ఆపాదించబడింది.[28] 2005లో నేషనల్ సైన్స్ బోర్డ్ తన "లాంగ్-లివ్డ్ డిజిటల్ డేటా కలెక్షన్స్: ఎనేబుల్ రీసెర్చ్ అండ్ ఎడ్యుకేషన్ ఇన్ ది 21వ సెంచరీ" అనే నివేదికలో దీనిని ఉపయోగించినప్పటికీ, ఇది డిజిటల్ డేటా సేకరణను నిర్వహించడంలో ఏదైనా ముఖ్య పాత్రను విస్తృతంగా సూచిస్తుంది.[29]
డేటా సైన్స్, డేటా విశ్లేషణ
[మార్చు]
డేటా విశ్లేషణ సాధారణంగా నిర్దిష్ట ప్రశ్నలకు సమాధానం ఇవ్వడానికి లేదా నిర్దిష్ట సమస్యలను పరిష్కరించడానికి నిర్మాణాత్మక డేటాసెట్లతో పనిచేయడాన్ని కలిగి ఉంటుంది. డేటాను సంగ్రహించడానికి, వేరియబుల్స్ మధ్య సంబంధాల గురించి పరికల్పనలను అభివృద్ధి చేయడానికి డేటా శుభ్రపరచడం, డేటా విజువలైజేషన్ వంటి పనులను ఇది కలిగి ఉంటుంది. డేటా విశ్లేషకులు సాధారణంగా ఈ పరికల్పనలను పరీక్షించడానికి, డేటా నుండి తీర్మానాలను రూపొందించడానికి గణాంక పద్ధతులను ఉపయోగిస్తారు.[30]
డేటా సైన్స్ అనేది విశ్లేషించడానికి తరచుగా అధునాతన గణన, గణాంక పద్ధతులు అవసరమయ్యే పెద్ద డేటాసెట్లతో పనిచేయడాన్ని కలిగి ఉంటుంది. డేటా శాస్త్రవేత్తలు తరచుగా వచనం లేదా చిత్రాల వంటి అకృతాకృతి డేటాతో పనిచేస్తారు, ప్రిడిక్టివ్ మోడల్లను రూపొందించడానికి యంత్ర అభ్యాసం అల్గారిథమ్లను ఉపయోగిస్తారు. డేటా సైన్స్ తరచుగా గణాంక విశ్లేషణ, డేటా ప్రీప్రాసెసింగ్, పర్యవేక్షించబడే అభ్యాసాన్ని ఉపయోగిస్తుంది.[31][32]
డేటా సైన్స్ కోసం క్లౌడ్ కంప్యూటింగ్
[మార్చు]
క్లౌడ్ కంప్యూటింగ్ పెద్ద మొత్తంలో గణన శక్తి, నిల్వకు ప్రాప్యతను అందిస్తుంది.[33] నిరంతరం సమాచారం ఉత్పత్తి చేయబడే, ప్రాసెస్ చేయబడే బిగ్ డేటాలో, సంక్లిష్టమైన, వనరుల-ఇంటెన్సివ్ విశ్లేషణాత్మక పనులను నిర్వహించడానికి ఈ ప్లాట్ఫారమ్లను ఉపయోగించవచ్చు.[34]
కొన్ని పంపిణీ చేయబడిన కంప్యూటింగ్ ఫ్రేమ్వర్క్లు బిగ్ డేటా వర్క్లోడ్లను నిర్వహించడానికి రూపొందించబడ్డాయి. ఈ ఫ్రేమ్వర్క్లు డేటా శాస్త్రవేత్తలను సమాంతరంగా పెద్ద డేటాసెట్లను ప్రాసెస్ చేయడానికి, విశ్లేషించడానికి వీలు కల్పిస్తాయి, ఇది ప్రాసెసింగ్ సమయాన్ని తగ్గిస్తుంది.[35]
డేటా సైన్స్లో నైతిక పరిశీలన
[మార్చు]డేటా సైన్స్ అనేది డేటాను సేకరించడం, ప్రాసెస్ చేయడం, విశ్లేషించడం వంటివి కలిగి ఉంటుంది, ఇందులో తరచుగా వ్యక్తిగత, సున్నితమైన సమాచారం ఉంటుంది. సంభావ్య గోప్యతా ఉల్లంఘనలు, పక్షపాత శాశ్వతత్వం, ప్రతికూల సామాజిక ప్రభావాలు నైతిక ఆందోళనలలో ఉన్నాయి.[36][37]
మెషీన్ లెర్నింగ్ నమూనాలు శిక్షణ డేటాలో ఉన్న పక్షపాతాలను పెంచుతాయి, ఇది వివక్షత లేదా అన్యాయమైన ఫలితాలకు దారితీస్తుంది.[38][39]
ఇవి కూడా చూడండి
[మార్చు]
- పైథాన్ (కంప్యూటర్ భాష)
- వచన విశ్లేషణ
- డేటా ఇంజనీరింగ్
- బిగ్ డేటా
- యంత్ర అభ్యాసం
- కృత్రిమ మేధస్సు
- బయోఇన్ఫర్మేటిక్స్
- ఆస్ట్రోఇన్ఫర్మేటిక్స్
- టోపోలాజికల్ డేటా విశ్లేషణ
- డేటా సైన్స్ పత్రికల జాబితా
- డేటా సైన్స్ సాఫ్ట్వేర్ జాబితా
- ఓపెన్ సోర్స్ డేటా సైన్స్ సాఫ్ట్వేర్ జాబితా
- డేటా సైన్స్ నోట్బుక్ సాఫ్ట్వేర్
మూలాలు
[మార్చు]- ↑ Donoho, David (2017). "50 Years of Data Science". Journal of Computational and Graphical Statistics. 26 (4): 745–766. doi:10.1080/10618600.2017.1384734. S2CID 114558008.
- ↑ Dhar, V. (2013). "Data science and prediction". Communications of the ACM. 56 (12): 64–73. doi:10.1145/2500499. S2CID 6107147. Archived from the original on 9 November 2014. Retrieved 2 September 2015.
- ↑ Provost, Foster; Fawcett, Tom (2013). "Data Science and its Relationship to Big Data and Data-Driven Decision Making". Data science is increasingly used across industries such as healthcare, finance, and business analytics to improve decision-making. Data science is increasingly used across industries such as healthcare, finance, and business analytics to improve decision-making. Big Data. 1 (1): 51–59. doi:10.1089/big.2013.1508.
- ↑ Danyluk, A.; Leidig, P. (2021). Computing Competencies for Undergraduate Data Science Curricula (PDF). ACM Data Science Task Force Final Report (Report).
- ↑ Mike, Koby; Hazzan, Orit (2023-01-20). "What is Data Science?". Communications of the ACM. 66 (2): 12–13. doi:10.1145/3575663. ISSN 0001-0782.
- ↑ 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 ఇంగ్లీష్). Springer Japan. pp. 40–51. doi:10.1007/978-4-431-65950-1_3. ISBN 978-4-431-70208-5.
- 1 2 3 Cao, Longbing (2017-06-29). "Data Science: A Comprehensive Overview". ACM Computing Surveys. 50 (3): 43:1–43:42. arXiv:2007.03606. doi:10.1145/3076253. ISSN 0360-0300. S2CID 207595944.
- ↑ Tony Hey; Stewart Tansley; Kristin Michele Tolle (2009). The Fourth Paradigm: Data-intensive Scientific Discovery. Microsoft Research. ISBN 978-0-9825442-0-4. Archived from the original on 20 March 2017.
- ↑ Bell, G.; Hey, T.; Szalay, A. (2009). "Computer Science: Beyond the Data Deluge". Science. 323 (5919): 1297–1298. doi:10.1126/science.1170411. ISSN 0036-8075. PMID 19265007. S2CID 9743327.
- ↑ Mayernik, Matthew S. (2023-06-14). "Data Science as an Interdiscipline: Historical Parallels from Information Science". Data Science Journal (in ఇంగ్లీష్). 22 (1) 16. doi:10.5334/dsj-2023-016. ISSN 1683-1470.
- ↑ 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. PMID 23074866. Retrieved 2016-01-18.
- ↑ Emmert-Streib, Frank; Dehmer, Matthias (2018). "Defining data science by a data-driven quantification of the community". Machine Learning and Knowledge Extraction. 1: 235–251. doi:10.3390/make1010015.
- ↑ "1. Introduction: What Is Data Science?". Doing Data Science (in ఇంగ్లీష్). O'Reilly. 2013. ISBN 978-1-4493-6387-1. Retrieved 2020-04-03.
- ↑ Vasant Dhar (2013-12-01). "Data science and prediction". Communications of the ACM (in ఇంగ్లీష్). 56 (12): 64–73. doi:10.1145/2500499. S2CID 6107147.
- ↑ "Statistics is the least important part of data science « Statistical Modeling, Causal Inference, and Social Science". statmodeling.stat.columbia.edu. Retrieved 2020-04-03.
- 1 2 Donoho, David (18 September 2015). "50 years of Data Science" (PDF). Retrieved 2 April 2020.
- ↑ 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.
- ↑ Escoufier, Yves; Hayashi, Chikio; Fichet, Bernard, eds. (1995). Data science and its applications. Tokyo: Academic Press/Harcourt Brace. ISBN 0-12-241770-4. OCLC 489990740.
- 1 2 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 ఇంగ్లీష్). 2 (2): 14. doi:10.3390/bdcc2020014.
- ↑ "What is data science".
- ↑ Wu, C. F. Jeff. "Statistics=Data Science?" (PDF). Retrieved 2 April 2020.
- ↑ Davenport, Thomas (2012-10-01). "Data Scientist: The Sexiest Job of the 21st Century". Harvard Business Review. Retrieved 2022-10-10.
- ↑ Miller, Claire (2013-04-04). "Data Science: The Numbers of Our Lives". New York Times. New York City. Retrieved 2022-10-10.
- ↑ Borchers, Callum (2015-11-11). "Behind the scenes of the 'sexiest job of the 21st century'". Boston Globe. Boston. Retrieved 2022-10-10.
- ↑ Davenport, Thomas (2022-07-15). "Is Data Scientist Still the Sexiest Job of the 21st Century?". Harvard Business Review. Retrieved 2022-10-10.
- ↑ William S. Cleveland (2001 ఏప్రి). "Data Science: an Action Plan for Expanding the Technical Areas of the Field of Statistics". International Statistical Review (in ఇంగ్లీష్). 69 (1): 21–26. doi:10.1111/J.1751-5823.2001.TB00477.X. ISSN 0306-7734. JSTOR 1403527. S2CID 39680861. Zbl 1213.62003. Wikidata Q134576907.
{{cite journal}}: Check date values in:|publication-date=(help) - ↑ Talley, Jill (1 June 2016). "ASA Expands Scope, Outreach to Foster Growth, Collaboration in Data Science". Amstat News. American Statistical Association.. In 2013 the first European Conference on Data Analysis (ECDA2013) started in Luxembourg the process which founded the European Association for Data Science (EuADS) www.euads.org in Luxembourg in 2015.
- ↑ Davenport, Thomas H.; Patil, D. J. (2012-10-01). "Data Scientist: The Sexiest Job of the 21st Century". Harvard Business Review. No. October 2012. ISSN 0017-8012. Retrieved 2020-04-03.
- ↑ "US NSF – NSB-05-40, Long-Lived Digital Data Collections Enabling Research and Education in the 21st Century". www.nsf.gov. Archived from the original on 2023-04-20. Retrieved 2020-04-03.
- ↑ James, Gareth; Witten, Daniela; Hastie, Trevor; Tibshirani, Robert (2017-09-29). An Introduction to Statistical Learning: with Applications in R. (in ఇంగ్లీష్). Springer.
- ↑ Provost, Foster; Tom Fawcett (2013-08-01). "Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking". O'Reilly Media, Inc. (in ఇంగ్లీష్).
- ↑ Han, Kamber; Pei (2011). Data Mining: Concepts and Techniques (in ఇంగ్లీష్). ISBN 978-0-12-381479-1.
- ↑ Hashem, Ibrahim Abaker Targio; Yaqoob, Ibrar; Anuar, Nor Badrul; Mokhtar, Salimah; Gani, Abdullah; Ullah Khan, Samee (2015). "The rise of "big data" on cloud computing: Review and open research issues". Information Systems (in ఇంగ్లీష్). 47: 98–115. doi:10.1016/j.is.2014.07.006.
- ↑ Qiu, Junfei; Wu, Qihui; Ding, Guoru; Xu, Yuhua; Feng, Shuo (2016). "A survey of machine learning for big data processing". EURASIP Journal on Advances in Signal Processing (in ఇంగ్లీష్). 2016 (1) 67. Bibcode:2016EJASP2016...67Q. doi:10.1186/s13634-016-0355-x. ISSN 1687-6180.
- ↑ Armbrust, Michael; Xin, Reynold S.; Lian, Cheng; Huai, Yin; Liu, Davies; Bradley, Joseph K.; Meng, Xiangrui; Kaftan, Tomer; Franklin, Michael J.; Ghodsi, Ali; Zaharia, Matei (2015-05-27). "Spark SQL: Relational Data Processing in Spark". Proceedings of the 2015 ACM SIGMOD International Conference on Management of Data (in ఇంగ్లీష్). ACM. pp. 1383–1394. doi:10.1145/2723372.2742797. ISBN 978-1-4503-2758-9.
- ↑ Floridi, Luciano; Taddeo, Mariarosaria (2016-12-28). "What is data ethics?". Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences (in ఇంగ్లీష్). 374 (2083) 20160360. Bibcode:2016RSPTA.37460360F. doi:10.1098/rsta.2016.0360. ISSN 1364-503X. PMC 5124072. PMID 28336805.
- ↑ Mittelstadt, Brent Daniel; Floridi, Luciano (2016). "The Ethics of Big Data: Current and Foreseeable Issues in Biomedical Contexts". Science and Engineering Ethics (in ఇంగ్లీష్). 22 (2): 303–341. doi:10.1007/s11948-015-9652-2. ISSN 1353-3452. PMID 26002496.
- ↑ Barocas, Solon; Selbst, Andrew D (2016). "Big Data's Disparate Impact". California Law Review. doi:10.15779/Z38BG31 – via Berkeley Law Library Catalog.
- ↑ Caliskan, Aylin; Bryson, Joanna J.; Narayanan, Arvind (2017-04-14). "Semantics derived automatically from language corpora contain human-like biases". Science (in ఇంగ్లీష్). 356 (6334): 183–186. arXiv:1608.07187. Bibcode:2017Sci...356..183C. doi:10.1126/science.aal4230. ISSN 0036-8075.