>> 1793
時間かかるし、おっしゃる通り１人じゃ意味なくプロジェクト起こしてマイルストーンおいて…いつ成果出るんだｗ
Amazonでいらねー烙印受けたから転職しただけじゃないのｗ
データサイエンス、Wikiより
データサイエンス(data science)とは、データを用いて新たな科学的および社会に有益な知見を引き出そうとするアプローチのことであり、その中でデータを扱う手法である情報科学、統計学、アルゴリズムなどを横断的に扱う。
データサイエンスを、統計的 (statistical)、計算的 (computational)、人間的 (human) 視点から俯瞰することができよう。それぞれの視点がデータサイエンスを構成する本質的な側面であるが、これらの３つの視点の有機的結合こそがデータサイエンスという学問の神髄である（Blei and Smyth, 2017[1]）。これまでのデータ解析における現場の知識 (subject-matter expert knowledge; domain knowledge) の重要性に対する認識不足が、データサイエンスという学問に対する幅広い誤解の源泉であると考えられる（Hernan, Hsu and Healy, 2018[2]）。
データサイエンスは、はっきりとした応用の文脈(context of application)をもち、超領域性(transdisciplinary) の様相を呈していて、また研究成果に対しては明確な社会的説明責任 (social accountability)が求められ、さらに、研究成果の質的保証のためには従来の座学的基準以外に質のコントロールのための追加の基準(novel quality control source)が必要とされる。データサイエンスの有効な推進のためには組織の異種混合性(heterogeneity; diversity)も重要である。これらの要件を満たす科学はギボンズらが主張するモード2科学[3]の一種として認識することが出来る。
データサイエンスで使用される手法は多岐にわたり、分野として数学、統計学、計算機科学、情報工学、パターン認識、機械学習、データマイニング、データベース、可視化などと関係する。
データサイエンスの研究者や実践者はデータサイエンティストと呼ばれる。
データサイエンスの応用としては、生物学、医学、工学、経済学、社会学、人文科学などが挙げられる。
私見
データサイエンスは検討課題としてやってる部署もありましたけど、結局ビッグデータとかを、どう活用するか？
情報量が多すぎる中から何処に着眼点おいて集中的に検討していくのかがポイント。
何処もそれが出来ないから苦戦している（自社の強みに特化してもライバル会社が多ければコンペにかけても独自性を表面に出せるIT企業とか少ない）
訳分らんスーツとかってちゃんとリサーチしたのかね～
マットの靴も靴こそ履き心地や手触り、靴擦れしないかを確認しないで靴なんか買わねー
伊〇丹にZOZO社員の仕込みでも入れて、確認してリサーチ位したのかね～データサイエンス、言葉はカッコいい（ｻﾙｼﾞｴﾃﾞｼｶﾅｲﾉﾆ、ｲﾐﾘｶｲｼﾃﾙﾉｶﾅ）ｗ
YouXuckはポーズ決めるのが好きですからね
訓練積んだデータサイエンティスト（実働部隊）は高級払わないと来てくれないだろうし
自前で育成する気も環境もないでしょう
まるちなんたらさいずだかの権威付けにもってきたんでしょう