比浏览器更快的访问！
13 关系: 人类学，应用数学，哈佛商業評論，社会科学，统计学，生物，資料倉儲，麥肯錫公司，英语，The Data Incubator，模式识别，机器学习，数据可视化。
人类学
人类学（anthropology）一词，起源于希腊文“ανθρωπος（anthrōpos，人）”以及“λογος（-logia，学科）”，意思是研究人的學科。這個學科名稱首次出現於德國哲學家在1501年的作品《人類學——關於人的優點、本質和特性、以及人的成分、部位和要素》（Antropologium de hominis dignitate, natura et proprietatibus, de elementis, partibus et membris humani corporis），當時人類學這個字指的是人的體質構造。Dieserud, Juul (1908) London:Open Court Publishing ISBN 978-0-8021-3943-6 當代人類學具有自然科學、人文學與社會科學的源頭。它的研究主題有兩個面向：一個是人類的生物性和文化性，一個是追溯人類今日特質的源頭與演變。民族誌同時指稱人類學的主要研究方法，以及依據人類學研究而書寫的文本。從事人类学研究的专家則称为人类学家（anthropologist）。 人類學的基本關注問題是：什麼是智人的定義？誰是現代智人的祖先？人類的體質特徵是什麼？人類如何做出行為？為什麼在人類不同群體之中，有著許多變異與差異？智人在過去的演化歷程，如何影響其社會組織與文化？依此類推。 自從法蘭茲·鮑亞士與布朗尼斯勞·馬凌諾斯基在十九世紀晚期與二十世紀早期從事人類學研究後，這個學科就和其他社會科學學科區分開來，人類學強調對脈絡的深度檢視、跨文化比較（社會文化人類學本質上就是一門比較研究學科），以及對研究區域的長期、經驗上的深入了解，這往往稱為參與觀察。文化人類學格外強調文化相對性，並運用其研究發現來建構文化批判。這在美國特別風行，源於法蘭茲·鮑亞士對十九世紀種族主義的反對，經過瑪格麗特·米德倡導性別平等與性自由，到當代對於後殖民壓迫的批評，以及對多元文化主義的提倡。 在美國，當代人類學通常劃分為四大分支：文化人類學（也稱為社會人類學）、考古學、語言人類學、生物人類學/體質人類學。這個四大分支的人類學也反映在許多大學部教科書，以及許多大學的人類學課程里。在英國以及許多歐洲的大學，這些分支往往安置在不同的科系，且被視為不同的學科。 社會與文化人類學受到後現代理論嚴重影響。在1970與1980年代，有一個認識論的轉向，脫離了這個學科所熟知的實證論傳統。在這個轉向中，關於知識的本質與生產的各項議題，佔據了社會文化人類學的核心位置。相對地，考古學、生物人類學與語言人類學，很大程度上依然是實證論。由於這種認識論上的差異，甚至導致某些人類學系分家，例如史丹佛大學在1998-9學年，「科學家」與「非科學家」分成兩個科系：人類學，以及文化與社會人類學。（稍後，在2008-9學年，史丹佛大學人類學重新整合為一個科系）。.
应用数学
應用數學（Applied Mathematics）是以應用為目的的明確的數學理論和方法的總稱，研究如何應用數學知識到其他範疇（尤其是科學）的數學分支，可以說是純數學的相反，應用純數學中的結論擴展到物理學等其他科學中，應用數學的發展是以科學為依據，作為科學研究的後盾。包括線性代數、矩陣理論、向量分析、複變分析、微分方程、拉普拉斯變換、傅里葉分析、數值分析、概率论、數理統計、運籌學、博弈論、控制理論、組合數學、資訊理論等許多數學分支，也包括從各種應用領域中提出的數學問題的研究。而大部分應用數學是以作為物理分析的工具。計算數學有時也可視為應用數學的一部分。應用數學大部分的教學範疇都是以物理的模型為基礎進行分析，當中或許搭配了各種數學工具，就為了更貼近物理的系統。 圖論應用在網絡分析，拓撲學在電路分析上的應用，群論在結晶學上的應用，微分幾何在規範場上的應用，自動控制理論在計算上的應用，黎曼幾何應用於相對論，數理邏輯應用於計算機，最小二乘法應用於飛機起降時自動控制，利用數字合成計算機輔助的X射線斷層成像技術（1979年數學家獲得諾貝爾醫學獎）數論應用在密碼學，博弈論、概率論、統計學應用在經濟學，線性規劃用於生產安排調度，都可見數學在不同範疇的應用。.
哈佛商業評論
哈佛商業評論（英文：Harvard Business Review；簡稱：HBR）是自1922年起，由哈佛商學院集結專家、教授，針對管理事務的研究而出版的專業雜誌。HBR是一份專門提供予專業經理人及工商管理者參考的月刊，其主要讀者群是產業領袖、學者、高階管理者及管理顧問等。 HBR除了集結管理學學者的綜合評論，也經常為其他管理學界的著名思想家，如克雷頓‧克里斯汀生、彼得·杜拉克、麥可·波特、羅莎貝·摩絲·肯特、蓋瑞‧哈默爾、普哈拉、羅柏特·科普朗、雪佛等發表專業管理評論。與管理學和商業概念有關的商業術語，如平衡計分卡、核心競爭力、策略意圖、企業流程再造、全球化、行銷短視及玻璃天花板等通用於全球的商業詞彙和概念均經由HBR專文介紹。 目前哈佛商業評論在全球有250,000本的發行量、11個版本的授權，包括兩種中文版、德文版、波蘭文版、匈牙利文版、巴西文版（葡萄牙文），及一種發行於南亞（印度）的英文版。這份雜誌由哈佛商學院所獨立編輯、於各學者完成其相關企業或個案研究後即發表於HBR，其目的是使著者的新文章與出版時間性因趨近而增加其參考價值。 《哈佛商业评论》簡體中文版於2002年进入中国。2012年7月，财讯传媒（SEEC）推出全新的《哈佛商业评论》簡體中文版（英文：Harvard Business Review China；简称：HBRC）。 《哈佛商業評論》全球繁體中文版於2000年代由資訊傳真在台灣創刊。2006年9月1日，《哈佛商業評論》全球繁體中文版由天下文化繼續出刊，王力行擔任總編輯，張玉文擔任執行總編輯。.
新！!: 数据科学和哈佛商業評論 · 查看更多 »
社会科学
会科学是用科学的方法，研究人类社会的種種现象。如社會學研究人類社會（主要是當代），政治學研究政治、政策和有關的活動，經濟學研究資源分配。广义的“社会科学”，是人文学科和社会科学的统称。 社會科學起源於西元1930年出版的《社會科學百科全書》（Encyclopaedia of the Social Sciences），其內容包含了社會學、人類學、經濟學、政治學、犯罪學、生物學、地理學、醫學、教育學、心理學、語言學、倫理學、藝術、社會工作學及法律學等與社會科學概論相關的一門學科。.
统计学
统计学是在資料分析的基础上，研究测定、收集、整理、归纳和分析反映數據資料，以便给出正确訊息的科學。這一门学科自17世纪中叶产生并逐步发展起来，它廣泛地應用在各門學科，從自然科学、社會科學到人文學科，甚至被用於工商業及政府的情報決策。隨著大数据(Big Data)時代來臨，統計的面貌也逐漸改變，與資訊、計算等領域密切結合，是資料科學(Data Science)中的重要主軸之一。 譬如自一組數據中，可以摘要並且描述這份數據的集中和離散情形，這個用法稱作為描述統計學。另外，觀察者以數據的形態，建立出一個用以解釋其隨機性和不確定性的數學模型，以之來推論研究中的步驟及母體，這種用法被稱做推論統計學。這兩種用法都可以被稱作為應用統計學。數理統計學则是討論背後的理論基礎的學科。.
生物
生物（拉丁语，德语: Organismus， ，又称有機體）是指稱類生命的个体。在生物学和生态学中， 地球上约有870萬種物種（±130萬），其中650萬種物種在陆地上，220万种生活在水中。 生物最重要和基本的特徵在生物會進行新陳代謝及遺傳兩點，前者說明所有生物一定會具備合成代谢以及分解代谢（兩個是完全相反的兩個生理反應過程），並且可以將遺傳物質複製，透過自我分裂生殖(無性生殖)或有性生殖，交由下一代繁殖下去以避免滅絕，这是類生命现象的基础。 生命的起源和生命各个分支之间的关系一直存在争议，古早的生命分類已經過時，近代古典生物學的分類又受到分子生物學的挑戰。一般而言，我們將生物分為兩大類：原核生物和真核生物。原核生物分为兩大域：细菌（Bacteria）和古菌（Archaea），这两个域相互之间的关系并不比他们和真核生物的关系更为接近。在演化史的研究上，原核生物和真核生物之间一直缺乏联系。類似麻煩的還有病毒與內共生細菌等的分類，隨著現代生物化學的研究逐漸深入，出現了有如物理學中存在量子現象一般，在特定微觀世界下許多傳統認知出現錯誤，導致以往常理被顛覆的情況。 真核生物的特徵是有細胞核以及其他膜狀細胞器（例如動物和植物體內的粒線體粒線體也可以說是植物動物體的發電廠因為他可以製造很多的能量，以及植物及藻類中的葉綠素），一種假說是叶绿体和线粒体是由内共生细菌（endosymbiotic bacteria）演化而来T.Cavalier-Smith (1987) The origin of eukaryote and archaebacterial cells, Annals of the New York Academy of Sciences 503, 17–54 。多细胞生物（又稱至於生物實在30班一年且出來則指包含多于一个细胞的生物，在地質學上直到五億年前才出現大爆發。.
資料倉儲
数据仓库是一门新兴的资讯科技相关理论，以下用二种方式解释。.
麥肯錫公司
#重定向 麥肯錫.
新！!: 数据科学和麥肯錫公司 · 查看更多 »
英语
英语（English，）是一种西日耳曼语言，诞生于中世纪早期的英格兰，如今具有全球通用语的地位。“英语”一词源于迁居英格兰的日耳曼部落盎格鲁（Angles），而“盎格鲁”得名于临波罗的海的半岛盎格里亚（Anglia）。弗里西语是与英语最相近的语言。英语词汇在中世纪早期受到了其他日耳曼族语言的大量影响，后来受罗曼族语言尤其是法语的影响。英语是将近六十个国家唯一的官方语言或官方语言之一，也是全世界最多國家的官方語言。它是英国、美国、加拿大、澳大利亚、爱尔兰和新西兰最常用的语言，也在加勒比、非洲及南亚的部分地区被广泛使用。它是世界上母语人口第三多的语言，仅次于汉语和西班牙语。英语是学习者最多的第二外语跟學習者最多的第一外語，是联合国、欧盟和许多其他国际组织的官方语言。它是使用最广泛的日耳曼族语言，至少70%的日耳曼语族使用者说英语。 英语有1400多年的发展史。公元5世纪，盎格魯-撒克遜人把他们的各种盎格鲁-弗里西语方言带到了大不列顛島，它们被称为古英语。中古英语始于11世纪后期的诺曼征服，这一时期英语受到了法语的影响。15世纪末伦敦对印刷机的采用、《钦定版圣经》的出版及元音大推移标志了近代英语的开端。通过大英帝国对全球的影响，现代英语在17世纪至20世纪中叶传播到了世界各地。通过各种印刷和电子媒体，随着美国取得全球超级大国地位，英语已经成为了国际对话中居领导地位的世界語言。它还是许多地区和行业（如科学、导航、法律等）的通用语。 现代英语和很多其他语言相比屈折变化较少，更多地依靠助動詞和语序来表达复杂的时态、体和语气，以及被動語態、疑问和一些否定。英语的各种口音和方言在发音和音位方面有显著差异，有时它们的词汇、语法和拼法也有所不同，但世界各地说英语的人能基本无碍地沟通交流。.
The Data Incubator
The Data Incubator 学校（简称 TDI）是国际规模最大的大数据与数据科学培训公司。公司建立时得到康奈尔大学的支持，目前经扩展到中国，英国，德国，意大利，跟美国经营。顾客包括财富世界500强。公司最出名的项目是精英数据科学奖学金学校，为世界上博社毕业生提供现代免费的数据科学培训。公司也为中美财富世界500强提供企业培训。 学校吸引了各种国际媒体新闻注意，以录取率低于3%。The Data Incubator被媒体称为「世界上比哈佛考入更难的学校之一」，录取率甚至比北京大学（13%），清华大学（14%）低。在全世界大数据与数据科学企业中，排第二。公司雇员在哈佛商业评论、金融时报、华尔街日报、商业内幕等媒体新闻报纸书写关于数据题目短文。 公司参加国际峰会，诸如斯坦福中国2.0会议、数据点回忆、欧莱礼 Strata 北京大数据会议、朗迪金融科技峰会。.
新！!: 数据科学和The Data Incubator · 查看更多 »
模式识别
模式识别（Pattern recognition），就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。随着计算机技术的发展，人类有可能研究复杂的信息处理过程。信息处理过程的一个重要形式是生命体对环境及客体的识别。对人类来说，特别重要的是对光学信息（通过视觉器官来获得）和声学信息（通过听觉器官来获得）的识别。这是模式识别的两个重要方面。市场上可见到的代表性产品有光学字符识别、语音识别系统。 计算机识别的显著特点是速度快、准确性高、效率高，在将来完全可以取代人工录入。 识别过程与人类的学习过程相似。以光學字元識別之“汉字识别”为例：首先将汉字图像进行处理，抽取主要表达特征并将特征与汉字的代码存在计算机中。就像老师教我们「这个字叫什么、如何写」记在大脑中。这一过程叫做“训练”。识别过程就是将输入的汉字图像经处理后与计算机中的所有字进行比较，找出最相近的字就是识别结果。这一过程叫做“匹配”。.
机器学习
机器学习是人工智能的一个分支。人工智能的研究历史有着一条从以“推理”为重点，到以“知识”为重点，再到以“学习”为重点的自然、清晰的脉络。显然，机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科，涉及概率论、统计学、逼近论、、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。很多推论问题属于无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。 机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。.
数据可视化
数据可视化是关于数据之视觉表现形式的研究；其中，这种数据的视觉表现形式被定义为一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量 Michael Friendly（2008）.
新！!: 数据科学和数据可视化 · 查看更多 »
