
大数据领域专业学术期刊DSE问世 推进产业加速发展
刚刚过去的2014年,凭借在多个领域的突出表现,大数据成为年度最热的技术名词之一。在多个第三方研究机构的2015年预测中,大数据都被认为是全面爆发的一年。因此,大数据也成为迅速被热炒的技术名词,之前被热炒的有SOA、SaaS、云计算……
面对产业界的这一现象,在日前由中国计算机学会、中新赛克和德国Springer出版社就数据科学与工程领域国际学术期刊的合作举行的DSE(Data Science and Engineering)杂志的签约仪式暨学术交流活动上,哈尔滨工业大学教授、DSE主编李建中表示:“如今,大数据正面故事多,负面故事少;说大数据的人多,但比较而言真正了解大数据的人少;企业界对大数据的声音大,学术界对大数据的声音小;所以我们需要冷静科学地考虑怎样利用大数据,怎样做大数据。”
正是基于这一判断,一份数据科学与工程领域国际学术期刊——DSE杂志在相关机构的推动下应运而生,DSE即Data Science and Engineering,注意,这里没有用Big Data,对此,清华大学教授、中国计算机学会数据库专业委员会主任周立柱解释道,相比较而言,大数据是一个时尚的技术名词,而数据则更具普适性,它的科学和工程问题才是DSE作为一份国际学术期刊应该关注的长期研究。
据了解,DSE杂志的打造,一方面可以为全世界在大数据方面的科学与技术研究者提供一个平台,推广各方面的研究成果,特别是为中国学者发表高水平的论文提供一个平台;另一方面也可以搭建一个国际交流的桥梁,促进中国学者与国际学者的交流,同时促进全世界的企业界和学术界的交流。
学术的发展和进步离不开与企业界的互动和交流,南京中新赛克科技有限责任公司秉承10多年的数据通讯技术的软硬件基础,专注于信息安全设备、无线产品、综合业务的研发和市场份额,为运营商和行业客户提供成熟的解决方案和一站式的服务。
“我们在技术研发中碰到了许多数据方面的问题,过去,我们在技术上一直是跟随国外的先进技术,如今,我们则需要一些自主研发技术的支持,尤其在数据分析方面。”中新赛克CEO凌东胜表示,“我们希望成为工业界和学术界的桥梁,并把学术界的技术转化到产品和解决方案中去,提升产品的竞争力,真正为中国企业所用,改变现在中国企业普遍采用国外产品的现状。”
正是基于这一考虑,中新赛克参与到了这份期刊的打造中,如今,中新赛克已经在大数据方面开始了积极的尝试,并有望在2015年将相关的大数据产品大规模应用在一些重要的领域。
针对大数据领域最新的发展趋势,周立柱教授认为仍然存在不少的难题需要解决。例如,数据质量问题突出;其次,数据大了之后也会面临分析、计算复杂性等基础问题;第三,如何解释数据分析得出结论,回答结论的依据等等。DSE杂志的创办,就是希望找到解决这些问题的办法,进而促进大数据产业的发展。
据悉,未来,DSE杂志的内容将着重探讨数据本身内在的规律,包括大数据从获取、存储到质量管理和计算,从数据中发现知识和规律并在实践中获得效益的经验等诸多方面。2015年,DSE杂志的网站将正式上线,并接受投稿;2016年,DSE杂志的纸质版也将正式公开出版。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22