
19
19
1.12 まとめ
1.11
化学とは試験管について学ぶことではない:データサイ
エンスとデータサイエンティストの仕事について
ここから先に進む前に、データサイエンスのエンジニアリング的側面についてもう一度簡
単に見ておきましょう。この本を書いている時点においては、データサイエンスの議論には
データ分析のスキルや技法だけではなく、そのためのツールまで含むことが一般的です。
データサイエンスの定義(またはデータサイエンティストの募集要項など)には、純粋な
データサイエンスの専門領域だけではなく、データ処理に必要なプログラミング言語やツー
ルについても記載されています。データマイニング技法(例えば、ランダムフォレストやサ
ポートベクターマシンなど)や特定の業務領域(レコメンドシステムや広告配置最適化)の
知識に加えて、ビッグデータ処理のためのソフトウェア(
Hadoop
や
MongoDB
)について
も言及された求人広告をよく見かけます。データサイエンスと、巨大なデータセットを扱う
ためのテクノロジーの間には、あまり大きな違いがないかのようです。
データサイエンスがコンピュータサイエンスと同じように若い分野であることはよく認
識しておく必要があります。データサイエンスはとても新しい話題ですし、その一般原則
はちょうど理解され始めたところです。データサイエンスの状態は
19
世紀半ばの化学の状
態と類似するところがあります。すなわち、理論と一般原則が定式化され始めてはいるもの
の、その多くが実験的に進められている状態です ...