接触关键数据科学领域。获得数据科学领域的专业知识，并学习网络安全和道德方面的适用技能。

您将学到的内容有

• 确定数据科学的应用。
• 确定数据科学过程的步骤，并将其应用于实际数据。
• 讨论隐私问题。
• 通过参加本课程，您将能够解释什么是数据科学并确定所涉及的关键学科内容。

数据科学的重要技能向学生介绍了每个数据科学家都应该熟悉的几个领域。每个主题本身就是一个领域。这种专业化提供了这些领域中的每一个重要的“品质”，这将使学生能够确定这些领域中是否有任何领域是他们想要进一步探索的东西。在这个专业中，学生将了解数据科学的不同应用，以及如何将数据科学过程中的步骤应用于现实生活中的数据。他们将了解每个数据科学家在进行分析时应该注意的道德问题。网络安全领域使数据科学家意识到如何保护他们的数据不丢失。

课程的学习项目

项目将鼓励学生参与道德讨论，磨练网络技能，解决网络安全威胁，并探索数据科学的专业世界。这些项目将帮助学生了解该领域并获得有助于他们取得成功的技能。

课程的参考书籍介绍

《ICDSMLA 2020：第二届数据科学、机器学习与应用国际会议论文集(ICDSMLA 2020: Proceedings of the 2nd International Conference on Data Science, Machine Learning and Applications)》

《ICDSMLA 2020：第二届数据科学、机器学习与应用国际会议论文集》

本书收集了2020年第二届数据科学、机器学习与应用国际会议的精选高影响力文章。它重点介绍了人工智能，机器学习，软计算，人机交互以及各种数据科学和机器学习应用领域的最新发展。它汇集了来自世界各地不同大学和行业的科学家和研究人员，展示了广泛的观点、实践和技术专长。

《数据科学和物联网：DS和物联网交叉领域的研究和应用（Data Science and Internet of Things: Research and Applications at the Intersection of DS and IoT ）》

《数据科学和物联网：DS和物联网交叉领域的研究和应用》

本书重点介绍物联网与数据科学的结合，特别是数据科学的方法、算法和工具如何有效支持物联网。作者展示了数据科学方法、技术和工具如何将数据转化为信息，从而实现物联网利益相关者提供的新服务的有效性和有用性。作者认为，如果物联网确实是未来的基础设施，那么数据结构是可以显着改善人类生活的关键。本书旨在介绍创新的物联网应用以及利用现代数据科学方法的持续研究。在涉及物联网和数据科学领域的跨学科场景中，为读者提供了问题和挑战。这本书收录了来自这两个领域的学者、研究人员和专业人士的贡献。

《后COVID-19时代心理障碍的数据科学应用(Data Science Applications of Post-COVID-19 Psychological Disorders)》

《后COVID-19时代心理障碍的数据科学应用》

随着各国政府努力遏制病毒的传播，COVID-19 疫情使全球陷入混乱。虽然人们对健康问题给予了相当大的关注，但关于这种流行病的社会心理影响的报告正在增加，从精神困扰和个人纠纷到种族攻击和爱国行为。此外，这些社会心理影响可能会产生长期影响，可能会持续到流行病之后。在全球范围内，可能会感受到COVID-19的物理影响。COVID-19 后对心理健康的影响是一个尚未得到充分探讨的主题。对Covid-19大流行的反应可能类似于对自然灾害或其他影响社区的类似灾难性事件的反应，并可能在患病人群中造成长期痛苦。对Covid-19流行病的心理反应已立即记录下来;在很少受影响的社区，它类似于创伤后应激障碍（PTSD）的症状。人们普遍预期了COVID-19的不利心理影响，例如焦虑和抑郁，但尚未精确量化。数据科学使学者能够评估精神疾病对美国和全球人口的过去和未来后果。

《数据科学与应用趋势：理论与实践（Trends of Data Science and Applications: Theory and Practices）》

《数据科学与应用趋势：理论与实践》

本书包括2021年1月7日至10日举行的2021年第11届行业研讨会上发表的部分论文的扩展版本。本书涵盖了所有领域的理论和基础研究、平台、方法、应用和工具等贡献。它提供了数据科学领域的理论和实践，为数据科学研究增加了社会、地理和时间维度。它还包括在发现研究中准备和使用数据的面向应用的论文。本书包含来自学术界和从业者的章节，涉及大数据技术、人工智能、机器学习、深度学习、数据表示和可视化、商业分析、医疗保健分析、生物信息学等。本书对学生、从业者、研究人员以及行业专业人士都有帮助。

《大数据分析（A Closer Look at Big Data Analytics）》

《大数据分析》

大数据分析是一个领域，它剖析、有效地提取数据，或者在任何情况下管理信息索引，这些信息索引过于庞大或复杂，无法通过习惯的信息准备应用程序编程进行管理。具有大量案例（行）的信息提供了更值得注意的事实力量，而具有更高多方面性质的信息可能会引发更高的虚假披露率。巨大的信息挑战包括捕获信息、信息储存、信息调查、搜索、共享、移动、表示和质疑、刷新、数据安全和数据源。大信息最初与三个关键思想有关：数量、种类和速度。因此，巨大的信息定期包含超过传统编程限制的信息，以在令人满意的时间和价值内进行测量。

目前对“巨大信息”一词的使用通常是指预测分析、用户行为分析或某些其他先进的信息调查技术的利用，这些技术将激励集中在信息中，有时集中在特定大小的信息索引上。现在可访问的信息量无疑是巨大的，这几乎没有不确定性，但这并不是这个新的信息生物系统最重要的品质。对信息索引的调查可以发现新的关系，以发现业务模式或模型。研究人员、商人、临床专家、推广和政府不断应对互联网外观、金融科技、大都市信息学和商业信息学等领域的大量信息馆藏。研究人员在电子科学工作中遇到限制，包括气象学、基因组学、连接组学、复杂材料科学复制、科学和生态探索。

本书的主要目的是撰写有关各个领域大数据的新研究项目中的问题，挑战，机遇和解决方案。感兴趣的主题包括但不限于：高效存储、管理和共享大规模数据;使用大数据技术分析数据的新方法;实施高性能和/或可扩展和/或实时计算算法来分析大数据;使用各种数据源，如历史数据、社交网络媒体、机器数据和众包数据;在不同领域（使用大规模数据集）使用机器学习、可视化分析、数据挖掘、时空数据分析和统计推断;使用、共享和发布大型数据集的法律和道德问题以及解决方案;以及数据分析、安全和隐私问题的结果。