Traducido del inglés al español - www.onlinedoctranslator.
com
Gestión y ciencia de datos 3 (2021) 1–2
Listas de contenidos disponibles enCienciaDirecta
Gestión y ciencia de datos
revista Página de inicio:www.keaipublishing.com/en/journals/data-science-and-management
Editorial
Cuatro tareas principales de la ciencia de datos
La ciencia de datos es una teoría científica y un sistema tecnológico que “hace
que los datos sean útiles” (Xu et al., 2021). Los datos son registros fragmentados
de la vida real (el mundo físico y las actividades humanas) y resultados
digitalizados del mundo real. “Hacer que los datos sean útiles” se refiere
principalmente al objetivo científico de reconocer y manipular el mundo real
mediante la recopilación, recopilación, procesamiento y análisis de los datos
fragmentados que reflejan el mundo real.
Un principio fundamental de la ciencia de datos es que los datos se
consideran como un elemento del ciberespacio, mientras que la sociedad
humana, el mundo físico y el ciberespacio (o el espacio de datos, el espacio
de información) se consideran los componentes del mundo ternario que
somos. in. Sus conexiones e interacciones en este mundo ternario definen
las características técnicas del desarrollo social. Por ejemplo, la digitalización
(digitalización) es el enfoque básico para percibir la sociedad humana y el
mundo físico; la ciberización es el enfoque básico para conectar la sociedad
humana al mundo físico; y la inteligenteización es la forma en que el
ciberespacio actúa sobre el mundo físico y la sociedad humana. La
digitalización, la ciberización y la inteligencia son las características
destacadas de la nueva ronda de revolución tecnológica,xi, 2019). Con tal
epistemología como guía, se espera que la ciencia de datos siente las bases
científicas para las aplicaciones de big data. Se espera que la ciencia de
datos logre grandes avances en las siguientes áreas: (i) la estructura
matemática del espacio de datos, las características de distribución y las
leyes de evolución (a nivel de ciencia de datos); (ii) el mecanismo y los
principios de generación de datos, la relación de espejo con el mundo real,
las plataformas de operación virtual, las interfaces físico-virtual/hombre-
máquina y los principios de visualización (en el nivel de conexiones del
mundo ternario); (iii) el mecanismo y los métodos para transformar datos en
información, información en conocimiento y conocimiento en toma de
decisiones (a nivel de análisis y procesamiento de datos); (iv) teorías y
métodos básicos relacionados con la capacidad de aprendizaje y la teoría del
aprendizaje, la interpretación de datos y la semántica,
La ciencia de datos ha logrado logros extraordinarios en una amplia gama de
campos. En particular, se ha logrado un progreso deslumbrante en el reconocimiento
científico y la utilización de big data, métodos de análisis estadístico, almacenamiento y
computación basados en datos, aprendizaje automático y aplicación y práctica de
inteligencia artificial. Sin embargo, básicamente, estos logros deberían atribuirse en gran
medida a los avances en disciplinas relacionadas, como la estadística, la informática y el
aprendizaje automático, pero su dependencia y correlación intrínsecas con la ciencia de
datos son insuficientes. Los científicos de datos esperan que las perspectivas y métodos
únicos de la ciencia de datos le permitan dar forma a nuevas teorías científicas más
importantes, nuevos métodos cognitivos y nuevas aplicaciones tecnológicas, que juegan
un papel único.
Revisión por pares bajo la responsabilidad de la Universidad Xi'an Jiaotong.
https://doi.org/10.1016/j.dsm.2021.06.003 Recibido el 27 de junio
de 2021; Aceptado el 28 de junio de 2021 Disponible en Internet el
1 de julio de 2021
2666-7649/©2021 Universidad Xi'an Jiaotong. Servicios de publicación de Elsevier BV en nombre de KeAi Communications Co. Ltd. Este es un artículo de acceso abierto bajo la licencia CC
BY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/).
y roles clave en la promoción del progreso científico y tecnológico y la solución de
problemas importantes en el mundo real.
1. Explorar la estructura y las características del espacio de datos
El espacio de datos es la totalidad de los datos formados por el mundo real digitalizado, que
también es la totalidad de los objetos de investigación de la ciencia de datos. La investigación en
ciencia de datos hoy en día se centra básicamente en cómo usarlo como una herramienta para el
descubrimiento de conocimiento, y apenas considera el espacio de datos en sí mismo como el
principal objeto de investigación. El núcleo del almacenamiento y procesamiento de big data
radica en cómo se estructuran y formalizan los datos. Mientras que la esencia de la formalización
es buscar la representación matemática de los datos, la clave de la estructuración es establecer
una dimensión mínima común que permita expresar todo tipo de datos en el espacio
matemático. Esperamos ver que además de las herramientas analíticas como los espacios
matemáticos, también se estudie la estructura algebraica del espacio de datos. Complejidad de
datos e incertidumbre en el espacio de datos, especialmente cómo se miden, evolucionan y
utilizan, debe seguir siendo un objeto principal de la investigación del espacio de datos. El
objetivo fundamental de la investigación del espacio de datos es identificar nuevos avances para
el análisis de big data y proporcionar nuevos marcos, nuevas herramientas, nuevos métodos y
nuevas tecnologías para un análisis y procesamiento de datos efectivos. Toda investigación a
favor de este objetivo debe ser fomentada y potenciada.
2. Establecer estadísticas de big data
La estadística siempre ha sido considerada como una disciplina que conduce y
orienta a las personas en el análisis y uso de datos. Su principal connotación es estudiar
la recolección, procesamiento, análisis e interpretación de datos (Dono Ho, 2017).
Tradicionalmente, motivados por preguntas de investigación específicas, los datos se
obtienen a través de métodos de muestreo y encuestas, y luego se modelan y analizan
para sacar conclusiones que serán verificadas. En la era del big data, poseer big data es
una característica natural y una tarea eterna interpretar el big data, lo que exige un
nuevo paradigma de “datos antes de los problemas”. Este nuevo paradigma cambiará
fundamentalmente el objeto de la investigación estadística. Este cambio fundamental
impulsará la transformación drástica de las estadísticas a la ciencia de datos. Durante un
proceso de transformación de este tipo, es necesario aclarar con urgencia algunos
puntos básicos que son direccionales y fácilmente engañosos. El primero es el proceso
estadístico. ¿Es necesario que cambie el proceso estadístico a medida que cambia el
objeto de investigación? En caso afirmativo, ¿Cuál es el proceso apropiado para
interpretar Big Data? El segundo es el papel de las estadísticas. Las estadísticas
reconocen el mundo a través de probabilidades y correlaciones. ¿Traerá el big data una
revolución cognitiva? Dado que los grandes datos pueden ser tan "grandes" como el
tamaño de la
Editorial
En su totalidad, los problemas se pueden resolver a través de consultas, ¿todavía
necesitamos estadísticas? La última es la tarea central de las estadísticas. ¿Es realmente
innecesario el análisis de causalidad? ¿Se puede reemplazar el análisis de causalidad por
el análisis de correlación? En los últimos años, ha habido muchas discusiones sobre las
tres preguntas anteriores a nivel epistemológico, pero se han hecho pocos intentos a
nivel científico. Es una tarea urgente para la ciencia de datos establecer nuevas teorías y
métodos estadísticos con una cobertura más amplia y una mayor efectividad para hacer
frente a los desafíos de los grandes datos.
3. Innovar las tecnologías de almacenamiento y computación
Los grandes datos tienen algunas características destacadas, como gran escala, tipos
diversificados, cambios rápidos y baja densidad de valor. Por lo tanto, las computadoras
enfrentan desafíos en varios pasos de la cadena de valor de los datos, incluida la adquisición, el
almacenamiento y el cómputo de big data. La computabilidad y la complejidad computacional
son cuestiones fundamentales en las ciencias de la computación. Sin embargo, en el escenario de
big data, la escala de datos en sí misma tiende a aumentar exponencialmente, dejando atrás el
crecimiento del poder de cómputo. En este punto, debemos prestar atención a si la teoría de la
complejidad computacional que no considera las leyes de crecimiento de la escala de datos en las
teorías computacionales tradicionales sigue siendo válida o no. También debemos centrarnos en
la complejidad computacional integrada cuando el almacenamiento de datos, los métodos de
importación/exportación de datos y el cómputo están estrechamente relacionados. Aparte de la
complejidad computacional, La ciencia de datos también necesita explorar la complejidad del
propio espacio de datos y la complejidad de los modelos basados en datos. La ciencia de datos
no puede confiar simplemente en aumentar el tamaño de los datos o los parámetros del modelo
para lograr una ligera mejora en las capacidades del modelo. Cuando la arquitectura tradicional
de Von Neumann carga con frecuencia datos en el procesador, aumentarán los retrasos en el
procesamiento de datos y los problemas de pared de memoria. Una arquitectura integrada de
almacenamiento y computación proporciona un enfoque eficaz para abordar los problemas de
pared de memoria. Su concepto central es retener datos en la memoria para el cálculo, lo que
reduce la demora en el análisis y procesamiento de datos. Sin embargo, todavía quedan muchos
problemas por resolver en el estudio teórico básico del almacenamiento y la computación
integrados.
4. Sentar una base sólida para la inteligencia artificial
La inteligencia artificial es una tecnología representativa que implementa la cadena
de valor de los datos y demuestra el valor de los datos. Existen cuellos de botella basados
en estadísticas en muchos análisis de big data en la investigación de vanguardia para las
principales demandas nacionales y la ciencia crítica. El núcleo de la inteligencia artificial
es el algoritmo, y el núcleo del algoritmo es una gran máquina basada en datos
Gestión y ciencia de datos 3 (2021) 1–2
aprendizaje. En la actualidad, uno de los principales obstáculos en la aplicación de la
inteligencia artificial es que la mayoría de los algoritmos centrales y los algoritmos
básicos conocidos son ineficaces para el big data real. La ventaja única del aprendizaje
profundo radica en su sólida capacidad de modelar cualquier dato complicado. Siempre
que se suministren suficientes muestras para la capacitación, es capaz de aprender,
aplicar y, por lo tanto, proporcionar una solución universal basada en IA. Sin embargo,
también tiene un defecto fatal porque el diseño de la estructura de la red tiende a ser
más artístico que científico (difícil de diseñar), y el resultado no es interpretable (difícil de
explicar). El entrenamiento de muestra basado en big data puede ser engañoso. También
vale la pena estudiar la estabilidad del aprendizaje profundo, que se utiliza para revelar si
hay pequeños cambios en los resultados de aprendizaje de la red cuando hay pequeños
cambios en el conjunto de entrenamiento. Esta dirección de investigación juega un papel
importante en la comprensión y mejora del engaño del aprendizaje profundo.
La ciencia de datos es una disciplina única que tiene una variedad de
características nuevas diferentes en comparación con otras. Tales ejemplos
incluyen la transformación del modo de pensamiento (del paradigma del
conocimiento al paradigma de los datos), la transformación de la relación sujeto-
objeto entre los datos y la tecnología (de orientado a la tecnología a orientado a
los datos), la transformación de las pautas de aplicación de datos (del idealismo
atrás al realismo), el objetivo principal del desarrollo de productos de datos
(siendo los datos el foco principal de innovación de los productos tradicionales) y
los tres elementos de la ciencia de datos (teoría, práctica y esencia). Por lo tanto,
en lugar de simplemente duplicar la experiencia de las disciplinas tradicionales, la
investigación en ciencia de datos debe mostrar respeto por sus misiones y
atributos especiales.
Declaración de competencia de intereses
El autor declara que no existen conflictos de intereses.
Referencias
Donoho, D., 2017. 50 años de ciencia de datos. J. Cómputo. Gráfico de estadísticas 26 (4), 745–
766. Xu, Z., 2019.http://media.people.com.cn/n1/2019/0301/c40606-30951460.html.
(Consultado el 21 de mayo de 2020).
Xu, Z., Tang, N., Xu, C., Cheng, X., 2021. Ciencia de datos: connotación, métodos, tecnología
gias y desarrollo. Gestión y ciencia de datos 1 (1), 32–37.
Zong Ben Xu
Escuela de Matemáticas y Estadística, Universidad Xi'an Jiaotong, Xi'an,
710049, China
Dirección de correo electrónico:zbxu@xjtu.edu.cn.