CCF2016-2017中国计算机科学技术发展报告（总结摘录）

---

1、数据科学中的机器学习基础和进展

报告中对数据科学从两个角度进行了定义，摘录如下：

数据科学（高层定义）：数据科学关于数据的科学和研究
数据科学（学科定义）是一个融合了统计学、信息学、计算、通讯、管理以及社会学的新的交叉学科，其研究主体为数据及其环境，其目标是将数据转化为洞察力以及决策，采用的方法论以及思路是将数据转化为知识进而转化为智慧。

这个定义跟我想的有点不一样，例如：牵涉到数学相关的内容不应该仅仅是统计学，还应该有矩阵论、凸优化等等。感觉通讯与管理算是数据科学的应用领域，为什么也放在数据科学的定义中？

数据科学最终的产物是数据产品，大开脑洞，其定义如下：

数据产品：是由数据产生的可交付或者是由数据使能或驱动的产物。数据产品可以是一种发现、预测、服务、推荐、决策洞察力、见解、模型、模式、范式、工具或系统。最终极数据产品的价值是知识、智力、智慧以及决策。

1.1 数据科学与大数据

数据科学是大数据研究发展的重要工具和手段，为大数据分析提供了强大的保障，两者相互结合，可以创造出巨大的价值。

1.2 数据科学与机器学习

机器学习约等于数据科学。机器学习算法主要目标是对数据进行分析，得出规律，利用规律对未知的数据进行预测。机器学习算法的目标与数据科学的目标在本质上是一致的。

1.3 数据科学研究的主要问题

1）大数据中的数据表示与表示学习技术：数据表示是数据分析任务的基础，好的数据特征表示可以使得整个分析任务获得更好的性能。
2）高维数据学习。目前对高维数据的学习，主要可以考虑采用特征选择、维度约简、数据采样
3）多源异构数据学习。大数据不仅仅是体量大，还存在复杂的结构。多源异构属于复杂数据中的一种。随着数据采集设备的发展，通常一个目标存在多种表示，即构成目标的多模态（多视图）表示。
4）复杂结构数据学习。在很多任务中，数据存在天然的结构信息，如何从数据中学出或恢复出这样的结构信息是学习关注的重点。
5）交互式数据学习。交互式大数据是由多个行为实体共同作用产生的。
6）非独立同分布学习。指任何面向非独立同分布的数据学习方法。