Data Science

De afbeelding toont het resultaat van de Matplotlib Phyton Library. Het toont de vochtigheidsgraad (in %), temperatuur (in °C) luchtdruk (in mb) en hoeveelheid regen (in mm) voor de maand July 2021 in de stad Spa gemeten elke 3 uur. De donkergrijze bollen markeren 12.00 uur 's nachts en de oranje bollen 12.00 uur 's middags. Data van the worldweatheronline Api Klik hier om het data file te bekijken

Deze video toont een cross country analyse van maatschappelijke kenmerken in correlatie met de levensverwachting. Ik heb de data geüpload van UNdata en NationMaster naar Power Bi. The visualisation zijn de Line chart, Pie charts, Cards en Correlation Plot Visual

Data Science is een combinatie van statistiek en computergebruik.
Statistische methoden maken het mogelijk nauwkeurige kennis en inzicht te verkrijgen uit gegevens. Tegenwoordig wordt statistische analyse meestal uitgevoerd met computers (gaat sneller, minder fouten, kan omgaan met Big Data). Het ontdekken van patronen in Big Data wordt data mining genoemd. Data mining kan worden gebruikt voor hypothese validatie, kennisontdekking, beschrijvend (focus op correlaties) of voorspellend (focus op voorspellingen). Gegevens kunnen worden verkregen uit API's, web scraping, experimenten (2 groepen, veranderende omstandigheden) of observaties.
Data scientists hebben computerkennis nodig, namelijk Database, Machine Learning en de talen Python (gebruikt door 57% van de wetenschappers) of R + bibliotheken. Voorbeelden van Python-bibliotheken zijn NumPy voor array gebruik, Pandas voor het analyseren van data, SciPy voor wetenschappelijke berekeningen en Matplotlib voor grafische visualisatie.
Kunstmatige intelligentie betekent simulatie van menselijke intelligentie (perceptie, leren, communicatie, probleemoplossing,...). AI kan (AI-robots) maar is niet altijd (industriële robots) ingebouwd zijn in robots. Machine leren is een stap naar AI. Het betekent het programmeren van de computer om statistieken te gebruiken en van gegevens te leren.