Hesaplamalı Bilim ve Veri Bilimi arasındaki fark nedir? [kapalı]

Tarihsel Bilgiler: Doktora'm 'Hesaplamalı Bilimler''deydi. Tezim X-Işını Kırınım Verilerinin analizi ve katı hal fiziği için moleküler elektron yoğunluğunun genel dinamik analizinde termal olarak bozulan çekirdeklerin analizi üzerineydi. Götürmek? Çok fazla bilime dayanıyordu.

Bence Hesaplamalı Bilim, bilimin peşinde koşmaktır, "... bilgiyi evrenle ilgili test edilebilir açıklamalar ve tahminler şeklinde inşa eden ve düzenleyen sistematik bir girişimdir" ( wiki ), hesaplama araçları yoluyla.

Bununla birlikte, 'Veri Bilimi' için çoğu pozisyon daha çok 'veri analizi' iş türlerine benzemektedir. Yani, yapılandırılmış ve yapılandırılmamış verilerden sonuçlar çıkarmak için önceden oluşturulmuş R ve Python modelleri (doğrusal regresyon vb.) Kullanan ağır SQL sorguları.

Hesaplamalı Bilimler Veri Bilimi'nin bir üst kümesi midir? Değiştirilebilir mi? Veri Bilimi gerçek bir 'bilim' midir? Hesaplamalı Bilim gerçek bir 'bilim' midir?

Değiştirilemezler.

• Hesaplamalı bilim daha çok HPC, simülasyon teknikleri (diferansiyel denklemler, moleküler dinamikler, vb.) Anlamına gelir ve genellikle bilimsel hesaplama olarak adlandırılır.

• Veri bilimi, "büyük veri", biyoinformatik, makine öğrenimi (optimizasyon), MCMC kullanarak Bayesian analizleri, vb. Gibi hesaplama-yoğun veri analizine gönderme eğilimindedir. Bilgisayar biliminin istatistiklerle infüzyonuydu, ancak geliştirilen tekniklerin çoğu titiz Balıkçı "istatistiksel testlerini" (kümeleme, çapraz validasyon teknikleri, veri görselleştirme) bıraktı ancak veri bölümünü korudu.

En açık açıklaması bana Veri Bilimi ve Bilimsel Hesaplama için Julia hakkında bir atölye öğretirken geldi. Veri bilimcileri, hızlı "büyük veri" analizi, yani büyük veriler üzerindeki regresyonlar ve diğer GLM'ler yapmak için Julia'yı öğrenmek istediler. Hesaplamalı bilim adamları (bilimsel bilgisayarlar?) HPC'ler ve GPU'lar üzerindeki büyük doğrusal sistemleri çözmek için kolayca kod yazmayı bilmek istediler.

Bunların, aynı hesaplamaları söylemenin iki yolu olduğuna dikkat edin, ancak çok farklı anlamları vardır. Yani bir anlamda benzer, ama yine de farklı (ve verilerden PDE'ler için parametreleri öğrenmek için makine öğrenimi kullanmak gibi disiplinler arasında çapraz geçiş var).