گام سوم Data Science: مدلسازی در دیتاساینس

علم داده یک میان رشته است که از آمار، محاسبات علمی، روش های علمی، فرآیندها، الگوریتم ها و سیستم ها برای استخراج یا برونیابی دانش و بینش از دادههای ساختاریافته و بدون ساختار استفاده میکند.علم داده همچنین دانش را از حوزه های مختلف کاربردی (به عنوان مثال، علوم اعصاب، فناوری اطلاعات و پزشکی) یکپارچه می کند. علم داده چند وجهی است و می توان آن را به عنوان یک علم، یک الگوی تحقیق، یک روش تحقیق، یک رشته، یک گردش کار و یک شغل توصیف کرد.پروفسور استنفورد دیوید دونوو می نویسد که علم داده با اندازه مجموعه داده ها یا استفاده از محاسبات از آمار متمایز نمی شود و بسیاری از برنامه های فارغ التحصیلی این رشته (واحد های دانشگاهی) به طور گمراه کننده ای آموزش تجزیه و تحلیل و آمار خود را به عنوان ماهیت یک برنامه علم داده تبلیغ می کنند. او علم داده را به عنوان یک حوزه کاربردی که از آمار سنتی رشد می کند، توصیف می کند.در بیانی ساده تر می توانیم بگوییم علم داده در واقع همان آمار است که با علوم کامپیوتر ترکیب شده است و ساختار جدید و موثرتری پیدا کرده است.لازم به ذکر است ابزار های مورد استفاده در این گام زبان برنامه نویسی R و نرم افزار IBM AMOS می باشد.