如果你让我向一个 5 岁的孩子解释数据科学，我可能会这样说：“这就像当一名侦探！你收集线索（数据），弄清楚它们如何组合在一起（分析和清理数据），并用它们来解开谜团或猜测接下来会发生什么（预测结果）。”
数据科学不仅仅适合侦探或拥有高学历的成年人。很有可能，您可能已经在日常生活中应用了数据科学原理，甚至没有意识到。以我为例。
在成长过程中，我是一个好奇、安静的孩子，从未停止思考。从表面上看，我没说什么，但在我心里，那是一个完整的市场。我把其他人似乎没有注意到的点联系起来，并提出了无尽的问题，而不仅仅是典型的“为什么会这样？”但更好奇的是：“什么时候会发生？什么可能使它发生？即使现在，作为一个成年人，我仍然有问太多问题的坏习惯。一位朋友曾经告诉我：“你问问题就像个孩子！”我把它当作一种赞美。
正是这种好奇心让我在小时候不知不觉地接受了数据科学原理，尤其是当涉及到像 NEPA（现在的 PHCN）这样不可预测的事情时。如果您曾经住在尼日利亚，您就会知道停电非常常见，以至于灯光亮起感觉就像一场小型庆祝活动。我讨厌这一切的不可预测性，所以我开始关注。我自己承担了破解 NEPA 代码的责任。
我的笔记本变成了我的迷你数据库。我观察了 NEPA 的行为模式，并记录了每次断电和恢复的时间。 （数据收集）。 我放学回家后立即问妈妈或在家的人：“他们带灯来了吗？他们什么时候拿的？”我会写下我注意到的事情——灯亮了多长时间，什么时候亮，什么时候灭。 这就像一种仪式；我需要知道电源的“状态更新”。
随着时间的推移，我考虑了模式和外部因素，如公共假期、节日、天气状况、足球比赛等。这花了一些时间，但我开始注意到趋势。例如，如果倾盆大雨，我只知道他们几个小时内不会开灯，因为电线需要时间“干燥”。或者，如果尼日利亚正在踢一场足球比赛，NEPA 很可能会感到慷慨。如果我今天构建 NEPA 模型，我必须考虑更复杂的变量，例如国家电网崩溃的次数（感觉就像每隔一周）。
使用这些模式，我创建了一个“心理模型”。尽管电力供应是不可预测的，但我仍然可以在一定程度上预测它，我的兄弟姐妹和邻居开始对待我，就像我有内幕消息一样，我赢得了“NEPA 预测员”的非正式头衔，他们会问我，“什么时候会发生。”光回来了？”我会自信地回答：“给他们两个小时，就可以了。”
当然，数据并不完美。 NEPA 曾多次“落入我的手”。有时，当我以为会恢复时，电源却没有恢复，或者意外地断电了。但在大多数情况下，我的预测出人意料地准确。 因此，我过滤掉了这些不一致的情况（数据清理）并专注于寻找模式。
回顾过去，我意识到我一直在应用核心数据科学流程：
数据收集：我收集了有关电源的信息 - 何时来、何时去以及停留了多长时间。
数据清理和准备：我删除了不相关的细节并专注于关键变量，例如天气状况或一天中的时间。
探索性数据分析 (EDA)：我在笔记中寻找模式以了解电源的工作原理。
数据建模：我创建了一个“心理模型”，根据我确定的模式来预测电力何时恢复。
模型评估：我用现实检验了我的预测。如果灯没有按我预期的那样亮起，我就调整了模型。
模型部署：我的“模型”对其他人变得有用——我的兄弟姐妹和邻居依靠我的预测来做出决定。
尽管这听起来很有趣，但童年时期的 NEPA 实验是我第一次接触数据科学。数据科学不仅仅是数字、图表和算法。这是关于解决现实世界的问题，就像我小时候对力量预测所做的那样。是的，数据科学可能很复杂，但其核心是结构化的好奇心——我们所有人都拥有的好奇心。对我来说，这一切都是从 NEPA 和笔记本开始的。
随着时间的推移，我们不仅会探索数据科学的不同概念和过程，还会探索我们可以解决的问题和我们可以创建的解决方案。无论是分析数据集还是寻找改善生活的见解，数据科学都是我们可以用来做出更好决策的工具。
让我们一起深入研究 - 一次一个线索、一种模式和一个预测！
以上是孩子的好奇心：令人惊讶的数据科学基础的详细内容。更多信息请关注PHP中文网其他相关文章！
