python数据科学导论--读书笔记01

1、大数据是数据集的总称，传统管理技术很难处理大型或复杂数据。大数据具有四大特点：高速，多样化，体积大和准确。

2、数据科学是使用方法来分析由小数据集组成的庞大的大数据；

3、尽管数据科学流程不是线性的，但可分为以下步骤：

　　a、设置研究目标；

　　b、检索数据；

　　c、数据准备；

　　d、数据探索；

　　e、数据建模；

　　f、展示与自动化

4、大数据技术不仅仅是Hadoop。它有许多不同技术组成，可以分为以下几类：

　　a、文件系统；

　　b、分布式编程框架；

　　c、数据集成；

　　d、数据库；

　　e、机器学习；

　　f、安全；

　　g、工作流；

　　h、基准测试；

　　i、系统部署；

　　j、服务开发

5、并不是每个大数据类别都需要数据科学家利用大量的数据。他们主要关注文件系统、分布式编程框架、数据库和机器学习。他们确实接触到其他部分，但这些都是其他职业领域。

6、数据可以有不同的形式。主要有：

　　a、结构和数据；

　　b、非结构化数据；

　　c、自然语言数据；

　　d、计算机数据；

　　e、图类数据；

　　f、流数据’