python數據科學導論--讀書筆記01

一、大數據是數據集的總稱，傳統管理技術很難處理大型或複雜數據。大數據具備四大特色：高速，多樣化，體積大和準確。

二、數據科學是使用方法來分析由小數據集組成的龐大的大數據；

三、儘管數據科學流程不是線性的，但可分爲如下步驟：

　　a、設置研究目標；

　　b、檢索數據；

　　c、數據準備；

　　d、數據探索；

　　e、數據建模；

　　f、展現與自動化

四、大數據技術不單單是Hadoop。它有許多不一樣技術組成，能夠分爲如下幾類：

　　a、文件系統；

　　b、分佈式編程框架；

　　c、數據集成；

　　d、數據庫；

　　e、機器學習；

　　f、安全；

　　g、工做流；

　　h、基準測試；

　　i、系統部署；

　　j、服務開發

五、並非每一個大數據類別都須要數據科學家利用大量的數據。他們主要關注文件系統、分佈式編程框架、數據庫和機器學習。他們確實接觸到其餘部分，但這些都是其餘職業領域。

六、數據能夠有不一樣的形式。主要有：

　　a、結構和數據；

　　b、非結構化數據；

　　c、天然語言數據；

　　d、計算機數據；

　　e、圖類數據；

　　f、流數據’