数据科学无处不在，是现代决策背后的驱动力。当流媒体 服务推荐一部电影，银行发送有关帐户异常活动的警告， 或者天气应用程序预测下雨，这些都是数据科学发挥作用的例子。 如果互联网创造数据，那么数据科学家就是使这些数据变得有用的人。
数据科学是利用信息做出更好决策的实践。数据如山 现在，每次点击鼠标即可获得，购买将只是一大堆数字 没有办法组织和解释它们。这就是技术开发的工作 由足球比赛结果数据科学家开发，包括蒂莫西·哈文斯，William 和 Gloria Jackson 计算教授，以及苏扬·库马尔·罗伊，助理教授计算机科学足球比赛结果计算机学院.
“如果我问你“科学”这个词在整个图书馆中出现了多少次，你会怎么办？ 书的价值？这将花费你很长时间才能完成，而且你很可能会 不准确，”哈文斯说。 “对于数据科学工具来说，这是一个简单的问题。”
语言学习模型 (LLM) 等技术和人工智能(AI) 不仅仅加速收集大量信息的过程。 他们还从这些海量数据中提取意义、见解和预测。
“每天，我们都会从购物收据和天气预报中创建大量信息 健康记录和社交媒体活动，”罗伊说。 “就其本身而言，该信息 没什么意义。数据科学是关于组织数据、寻找模式以及 使用这些模式来了解正在发生的事情以及接下来可能发生的事情。”
像 Felicia Huffman 这样的足球比赛结果学生数据科学专业双小调业务和统计信息，不仅将数据科学领域视为他们的未来，而且该未来。
“几年前，我将其解释为统计学和计算机科学的结合，” 霍夫曼说。 “现在法学硕士和人工智能更加出名，我告诉人们这是科学 在那后面。数据科学是新兴的、不断发展的学科，30 年后它将成为新的统计学家。”
让足球比赛结果的学生为未来做好准备意味着培养技术技能以及实际的、大局观的思维 从伦理的角度来看。霍夫曼正在积累与合作的经验埃文·卢卡斯，计算机科学助理教授，将她的技能应用于水下生物声学 项目。她的项目部分涉及对机器学习模型进行编程，以更好地 识别鱼彼此交流的声音——一种数据类型 具有挑战性，因为它几乎没有标记的声学事件可供处理。
Diana Shadibaeva，另一位数据科学专业的学生，Tech 新公司的联合创始人(MLAIC)，在大学工作。作为实验室的本科生研究助理，她运用学习中的技能 解决医疗问题。她也在寻找暑期本科生研究奖学金(SURF) 继续获得实践经验。
“很容易参与各种项目、企业和校园 足球比赛结果的工作，”沙迪巴耶娃说。 “我们为本科生提供了很多机会 早在他们的第一年或第二年。”
深入研究数据
利用足球比赛结果的数据科学研究机会意味着获得 参与像 Havens 的工作这样的项目，该项目专注于开发机器学习 传感系统的方法。他的团队正在构建能够自动 解释来自复杂环境中的传感器或成像系统的大量数据流 环境。大型湖泊、海洋和大气系统等环境越来越 并由传感器网络持续监控。在这种情况下，挑战不是 收集数据——它正在准确地解析丰富的数据。
该项目借鉴了 Havens 作为执行董事双重角色的专业知识 两个足球比赛结果研究机构：五大湖研究中心还有计算与网络系统研究所.
“我们的贡献是开发允许研究人员查询所有数据的方法 从五大湖上的每个传感器中提取可靠的信息，识别 异常现象，例如破坏高水位、随着时间的推移检测可能发生的模式 表明气候变化，并建立预测模型来帮助利益相关者做出 更好的政策决定会影响我们的海岸线，”哈文斯说。
罗伊的工作还通过以下两种方式将应用研究与学生实践项目联系起来 研究生课程和本科毕业课程。他最近监督了一个顶点 无人机碰撞检测项目 或无人机。在他的研究生机器学习和数据挖掘课程中，学生进行 预测建模和深度学习的研究。
“我提供技术指导，强调强有力的实验设计并鼓励 学生除了表现之外还要考虑道德和社会影响，”说 罗伊。
调试数据科学
在担任教师和导师期间，哈文斯和罗伊喜欢与人交流 学生们对数据科学的应用性和影响力充满热情 是。足球比赛结果的学生们兴奋地深入研究数据，并利用可以重新浮现的技能 解决现实世界的问题。许多人来到这个学科是因为他们看到机器如何 学习和数据驱动的方法正在塑造技术、医疗保健、环境 监控和工业。出于类似的原因，他们的教授对这项工作感到兴奋。
“当新算法允许研究人员检测以前的数据模式时 看不见的，它可以改变我们理解世界的方式，”哈文斯说。 “能够 贡献能够实现这些发现的工具是非常有价值的。”
“总的来说，我的日常工作是技术问题解决、课程设置的动态结合 发展，并指导下一代数据科学家。”
在罗伊的顶点课程和研究生课程中，学生特别喜欢构建 智能模型，尝试新技术并观察其系统的性能 在真实数据集上。
“看到学生成长为自信、有思想、平衡创新的数据科学家 承担责任是我工作中最有价值的方面之一，”罗伊说。 “他们 对道德考虑越来越感兴趣——提出深思熟虑的问题 关于公平、透明和负责任的人工智能。”
这些考虑因素也是罗伊最关心的问题。他和他的学生 同样积极地提高安全性、效率和生活质量。那就是 Roy 对医疗保健和值得信赖、以人为本的人工智能研究背后的热情。他 开发和评估支持决策的数据驱动系统，同时确保 人工智能的公平性、可解释性和负责任的使用。
“我相信它不仅应该产生准确的结果，而且应该是可解释的， 可靠且具有社会责任感，”罗伊说。 “总的来说，我的工作整合了应用 创新、研究和指导，以推进实用且以人为本的数据科学。”
学生很快就会了解到，在工作中达到这一标准需要的不仅仅是 构建模型。
“在教科书中，数据集干净且结构良好，”哈文斯说。 “在现实世界中 问题，数据通常不完整、有噪音、有偏见或不一致。”
“凭借出色的数学技能和编程挑战，数据 科学提供了机会，我觉得这个专业是为我设计的。”
清理、组织和理解数据，尤其是当数据混乱或包含数据时 差距，可能比运行算法本身花费更多的时间和精力。霍夫曼, 她将大部分学术时间花在研究、编程和调试算法上， 说后者是最大的时间杀手。
“我花时间修复错误并通过以下方式提高算法的性能 额外的数据清理、调整参数和收集更多数据，”霍夫曼说。 “我问了很多问题，并尽力确保我的选择不带偏见。”
Shadibaeva 对清理数据所涉及的数学量感到惊讶。 “我 没有意识到其中的数学内容有多么繁重，”她说。 “整个场域 建立在数学原理之上。”
她并不是唯一一个在理论与实践之间走钢丝的人。
“高效的数据科学家需要坚实的数学和统计学基础，” 哈文斯说。 “他们还需要强大的计算能力和对 他们正在工作的领域。学习将这些元素结合起来是关键挑战之一 学生的脸。”
“最终，数据科学家的目标是突破我们所能做到的界限 从数据中学习，开发工具来帮助其他人做同样的事情。”
无论是清理数据、编写学习模型还是测试其算法，高 仅靠准确性是不够的。科学家必须选择适当的指标，避免数据 泄漏并确保结果可靠且可重复。当一切都说完了， 模型性能必须与可解释性、公平性、责任感和 透明度。
“最终，最具变革性的挑战是学会批判性思考，而不是 只是应用技术，但质疑假设，严格验证发现 并了解他们的工作的更广泛影响，”罗伊说。
数据科学无处不在
数据科学专业人员对批判性思维的需求密切相关 其多功能的现实世界问题解决应用程序，无论是在医疗保健分析中， 智能系统、网络安全、业务决策或新兴技术 例如无人机导航和智能基础设施。这个领域的专业人士很少工作 处于孤立状态。他们最常合作以协助分析和决策 跨越许多学科。
“在很多方面，它都是一种支持技术，就像数学或统计学一样， 因为它提供了允许其他学科提出新类型问题的工具，” 哈文斯说。 “随着越来越多的系统生成大型数据集，对数据驱动的需求 分析几乎遍及每个领域。”
临床医生和研究人员与数据科学家合作分析患者数据， 改善诊断并支持治疗决策。数据科学家也支持 人工智能、网络安全和智能等领域的工程师和计算机科学家 系统。在社会科学和公共政策，数据用于研究教育成果、公共卫生趋势和社会挑战。 该领域的科学家也越来越多地受到环境专家的召唤 科学、交通、制造和金融。在商业和经济领域，他们 帮助组织了解客户行为、优化运营、管理风险 并指导战略规划。
“当今的数据科学不仅涉及构建强大的模型，还涉及确保 他们是有道德的、透明的并且对社会有益。”
“数据科学本质上是跨学科的，是技术之间的桥梁 解决复杂的现实问题的方法和领域专业知识，”罗伊说。
除了分析之外，数据科学还支持预测、模拟和决策。 它允许科学家建立模型来测试假设、预测结果并指导 实验更有效。
“在很多方面，该领域已经成为现代研究的基础层——加速 创新、提高准确性并实现跨学科协作 科学领域，”罗伊说。 “研究人员依靠数据驱动的方法来分析 无法手动解释的复杂模式。”
数据科学是未来
数据科学只会越来越多地融入各个领域的关键决策中 工业和研究的各个部门。随着生成和收集的数据量的增加 和复杂性，人工智能和学习模型也随之增长，适应学习 不同类型的信息并实时工作，提供更智能、更快速的建议 决定。挑战不在于收集数据，而在于有效地解释数据。
“未来将涉及机器学习和科学之间更深入的融合 建模，”哈文斯说。 “我们不会简单地根据数据拟合模型，而是会越来越多地 了解将物理知识、领域专业知识和数据驱动学习相结合的方法。”
罗伊对该领域的未来充满希望，但也面临着责任的重担 这取决于塑造未来的人们。数据科学技术的普及 呼吁对智能系统采取负责任的、以人为本的方法。
“随着系统变得更加强大，确保公平、透明、稳健和 隐私至关重要，”罗伊说。 “下一阶段不仅会推进技术 创新，同时也为道德部署和社会建立更高的标准 信任。”
对于像霍夫曼这样的学生来说，数据科学的未来是近乎无限的 可能性。
“数据科学最终将与工程学类似，提供不同的学位 对于每个部门。每个行业都有数据，这意味着每个行业都可以极大地发展 从中受益，”她说。
虽然她对数学和编码的热爱最初吸引了霍夫曼进入这个领域，但她 随着她对学科广泛性的了解，她对学科的奉献精神也随之增强。 为每个行业带来好处。
“我听到一些公司抱怨数据科学家不是统计学家，而且 也不完全是软件工程师，但事实是我们都是，”霍夫曼说。 “我们是唯一真正具备机器学习技能的专业， 很快将在各个领域实施。”
足球比赛结果是一所 R1 公立研究型大学，成立于 1885 年，位于霍顿，拥有来自全球 60 多个国家的近 7,500 名学生。密歇根州旗舰科技大学的投资回报率一直名列全美最佳大学之列，提供超过 185 个本科和毕业生科学技术、工程、计算机、林业、商业、健康专业、人文、数学、社会科学和艺术领域的学位课程。乡村校园距离密歇根州上半岛的苏必利尔湖仅数英里，提供全年户外探险的机会。
评论