Para citar este trabalho use um dos padrões abaixo:
Em 1962, John Tukey previu e conclamou uma nova ciência. Sessenta anos mais tarde, a ciência de dados é parte essencial de muitas indústrias. Além de ser o principal produto de muitas das empresas mais valiosas do mundo como Google e Amazon. Portanto, expandir e aprofundar a ciência de dados se reflete na ampliação das possibilidades e efetividade de negócios, pesquisas, tomadas de decisão e organização social. Entretanto, apesar do seu rápido desenvolvimento, os desafios apontados por Tukey permanecem centrais: formação de mão-de-obra qualificada, padrões de projeto, comunicação entre profissionais de diferentes áreas, e até mesmo consensos de suas próprias delimitações. Nesse sentido, é interessante compreender os esforços atuais na direção de estruturar o campo de modo a construirmos uma estrutura teórica que fundamente tanto essa quanto as próximas pesquisas. Desse modo, o presente trabalho buscou definir o que é ciência de dados e quais são suas principais técnicas, conceitos e ferramentas. Para tanto, efetuamos uma revisão sistemática de revisões. Buscamos artigos do tipo "Review" contendo o termo "data science". Analisamos os títulos e abstracts dos 100 primeiros resultados para selecionarmos aquelas que tinham por objetivo definir ciência de dados. Finalmente efetuamos uma análise comparativa dos 4 artigos selecionados para responder nossas perguntas de pesquisa. Dessa forma, podemos concluir que a Ciência de Dados se cristalizou a partir dos scripts computacionais de softwares numéricos como a linguagem R. A partir desses softwares, rotinas de coleta, processamento e análise de dados puderam ser compartilhadas, reproduzidas e escrutinadas com inédita precisão. Assim, Ciência de Dados é o domínio que se ocupa dos problemas derivados de todo esse processo fundamentalmente interdisciplinar, desde a definição de um problema respondível até a implementação de uma solução computacional, interpretação e comunicação dos resultados. Nesse sentido, Donoho oferece uma estrutura chamada Greater Data Science (GDS) para organizar a ciência de dados em seis diferentes áreas de estudo e aplicação: 1. Coleta, preparação e exploração; 2. Representação e transformação; 3. Computação de dados; 4. Modelagem de dados; 5. Visualização e apresentação; 6. Ciência sobre Ciência de Dados. Analogamente, Crisan, Fiore-Gartland e Tory construíram um modelo de trabalho em quatro macro processos: 1. Preparação; 2. Análise 3. Implantação; 4. Comunicação. Assim, a partir dessa elucidação, foi possível direcionar os próximos aprofundamentos ao evidenciar as frentes de pesquisa em potencial que cada uma dessas sub-áreas representam.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo