数据科学与工程：大数据时代的新兴交叉学科

周傲英; 钱卫宁; 王长波

doi:10.11959/j.issn.2096-0271.2015022

您当前的位置：

首页 >

文章列表页 >

数据科学与工程：大数据时代的新兴交叉学科

论坛 | 更新时间：2024-06-05

- 数据科学与工程：大数据时代的新兴交叉学科
- 暂无标题
- 大数据 2015年1卷第2期页码：2015022
- 作者机构：
- 作者简介：
  
  [ "周傲英，男，华东师范大学长江学者、特聘教授、数据科学与工程研究院院长，主要研究方向为Web数据管理、数据密集型计算、内存集群计算、分布事务处理、大数据基准测试和性能优化。" ]
  [ "钱卫宁，男，华东师范大学数据科学与工程研究院教授、博士生导师，主要研究方向为互联网环境下的数据管理、大数据管理系统评测基准、社交媒体数据分析、知识图谱构建与应用等。" ]
  [ "王长波，男，华东师范大学教授、博士生导师、软件学院常务副院长，主要研究方向为信息可视化、大数据可视分析、计算机图形学。" ]
- 基金信息：
- DOI：10.11959/j.issn.2096-0271.2015022
  中图分类号：
- 网络首发：2015-07，
  
  纸质出版：2015-07-20
- 稿件说明：
移动端阅览
周傲英, 钱卫宁, 王长波. 数据科学与工程：大数据时代的新兴交叉学科[J]. 大数据, 2015,1(2):2015022.
周傲英, 钱卫宁, 王长波. 数据科学与工程：大数据时代的新兴交叉学科[J]. 大数据, 2015,1(2):2015022. DOI： 10.11959/j.issn.2096-0271.2015022.

DOI：

摘要

大数据时代的IT发展的基本特点是：应用驱动创新，开源加速创新，硬件助力创新。基于对这些特点的认识，从社会创新发展、人才需求变化、技术发展趋势等方面论述了数据科学与工程这一新兴交叉学科的发展必然性，进一步阐述了数据科学与工程学科的特点、学科内涵与知识体系，最后从科学研究、系统开发和人才培养的角度探讨了数据科学与工程学科的建设思路。

Abstract

There are some characteristics for IT development in the big data era:the real-life applications are the driving force for innovation; open sourcing accelerates innovation

and the advancement in hardware lay the foundation for innovation.The data sciences and engineering was regarded as an emerging and developing interdisciplinary and discussed from the aspects such as social innovation and development

talents demand changes

and technology development.Then the features

connotations

and knowledge hierarchy of data sciences and engineering as a discipline were described.Finally

the associated research and development

talent training

and best practice were also presented.

关键词

Keywords

references

Hey T , Tansley S , Tolle K M . The Fourth Paradigm:Data-Intensive Scientific Discovery . USA:Microsoft Rr , 2009

Manyika J , Chui M , Brown B , et al . Big Data:the Next Frontier for Innovation,Competition,and Productivity . USA:McKinsey Global Institute , 2011

Ghemawat S , Gobioff H , Leung S T . The Google file system . Proceedings of the ACM Symposium on Operating Systems Principles(SOSP) , Lake George,NY,USA , 2003 : 29 ～ 43

Dean J , Ghemawat S . MapReduce:simplified data processing on large clusters . Proceedings of the 6th Symposium on Operating System Design and Implementation , San Francisco,USA , 2004 : 137 ～ 150

Stonebraker M , Cetintemel U . One size fits all:10 years later . Proceedings of International Conference on Data Engineering , Seoul,Korea , 2015

White T . Hadoop - The Definitive Guide:Storage and Analysis at Internet Scale (4.ed.,revised ＆ updated) . USA:O'Reilly Media , 2015

Stoica I . A berkeley view of big data:algorithms,machines ＆ people . Proceedings of Berkeley EECS Annual Research Symposium , California,USA , 2011

美国国家学术院国家研究委员会 . 海量数据分析前沿 . 华东师范大学数据科学与工程研究院译. 北京 : 清华大学出版社 , 2015

National Research Council of the National Academies . Frontiers in Massive Data Analysis . Translated by Data science and Engineering Research Institute of East China Normal University . Beijing : Tsinghua University Press , 2015

李战怀 , 王国仁 , 周傲英 . 从数据库视角解读大数据的研究进展与趋势 . 计算机工程与科学 . 2013 , 35 ( 10 ): 1 ～ 11

Li Z H , Wang G R , Zhou A Y . Research progress and trends of big data from a database perspective . Computer Engineering& Science , 2013 , 35 ( 10 ): 1 ～ 11

Abadi D J , Agrawal R , Ailamaki A , et al . Proceedings of The Beckman Report on Database Research , California,USA , 2014 : 61 ～ 70

Jagadish H V , Gehrke J , Labrinidis A , et al . Big data and its technical challenges . Communications of the ACM , 2014 , 57 ( 7 ): 86 ～ 94

浏览量

1049

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向大数据的可扩展正则采样并行排序算法

基于大数据技术的甘肃智慧旅游系统

大数据与计算模型

“东数西算”战略与问题的分析研究

高等教育数字化转型的现状与发展研究