1. 簡單介紹數據科學的五個技術維度
1. 數據管理
數據管理是數據科學的基礎，它涉及數據的收集、存儲、維護和處理。這一維度確保數據的質量和可用性，為後續的分析提供可靠的數據基礎。
2. 計算機科學基礎理論技術
計算機科學理論為數據科學提供演算法和模型。這包括編程語言、數據結構、演算法設計、計算復雜性理論以及軟體工程原則。
3. 數據分析
數據分析專注於從數據中提取有價值的信息和洞察。這包括統計學、機器學習、模式識別和數據挖掘等技術，用於探索數據之間的關系和模式。
4. 商業理解決策
將數據分析的洞察轉化為商業策略和決策。這需要理解業務流程、市場動態和消費者行為，並將數據分析結果應用於優化業務決策和提高效率。
5. 設計思維
設計思維是數據科學的創造性維度，它強調以用戶為中心的問題解決方法。這包括用戶研究、交互設計、可視化和故事講述，以確保數據產品的易用性和有效性。
數據科學的藝術維度體現了其與傳統信息化技術的根本區別。它不僅僅是關於技術，還涉及創新和設計思維，這是實現計算機智能化的關鍵。通過藝術維度，數據科學家能夠將現實問題轉化為模型，雖然這些問題沒有標准答案，但多樣的技術和方法提供了廣泛的解決方案空間。因此，理解並掌握這五個技術維度對於深入數據科學領域至關重要。
2. 數據科學是一門什麼樣的學科
數據科學（Data Science）是一門利用數據學習知識的學科，其目標是通過從數據中提取出有價值的部分來生產數據產品。作為新興的交叉學科，數據科學結合了諸多領域中的理論和技術，包括應用數學、統計、模式識別、機器學習、數據可視化、數據倉庫、以及高性能計算等。數據科學現在之所以這么火爆，主要是因為它可以幫助我們如何正確高效地處理數據，並協助我們在商業競爭、醫療、社會科學、人類學等領域進行研究調研。
MS in Data Science = 30% Statistics + 50% Computer Science + 20% Application