Utbildning till Data Scientist

Jag håller med om att det ofta uppstår en förvirring kring data science och computer science, och har själv kommenterat att det inte är samma sak i det här inlägget för snart 2 år sen.

Min uppfattning är dock att det snarare är studenter som blandar ihop dessa begrepp än lärosätena, inom computer science (datavetenskap) är lärosätena ofta noga med att detta inkluderar typ "allt" som rör informationsbehandling, såsom programmering, hårdvara, MDI, algoritmteori, dataskydd och personlig integritet, osv. Inom utbildningar som är specifikt riktade mot data science är det just det tvärvetenskapliga studiet i statistik, modellering och programmering som är i fokus, iallafall av de data science-utbildningar jag läst om. Har du något exempel där själva lärosätet blandat ihop begreppen?

Beror ju på hur långt man ska gå inom datorer eller programmering, en data scientist kan ju koda i Python/R/SQL men då handlar det ju mest om att bygga modeller och att fixa skript för att t.ex. automatisera processer, inte om att gå ned på hårdvarunivå eller om att förklara i detalj hur en kompilator funkar.

Datavetenskap, informationsvetenskap och "data science" är samma sak. Eller borde vara samma sak.

Det du fiskar efter är datorvetenskap eller datorlogi. Eller vetenskapen om informationsteknologi.

Satt och läste tråden om eget hopsnickrade program i Data Science och fick funderingen kring hur utbildningsväsendet har blandat ihop begreppet data och computer, eller data/dati/datum och information.

Av någon anledning har folk fått för sig att Data Science handlar om IT-teknologi och programmering. Tittar vi på de engelska wikisidorna skiljer man data från information på ett sätt som är onaturligt i längden.

Det latinska ordet "datum" betyder just information i singularis, vilket är just en registrerad bit av en observation. "Data" är pluralis av av "datum".

Data science bör då handla om exakt samma saker som informationsvetenskap;
- Informationsinhämtning
-Informationsanalys
-informationskonservering (förvaring, skydd, arkivering)

Men av någon anledning har man ansett att Data science eller slarvigt "datavetenskap" skall handla om att inhämta och analysera stora mängder information vis teknologiska hjälpmedel. Ingen som läser data science idag kan något om informationskonservering, dvs de kan inte förvara eller skydda sin data de nyss har samlat in. Än mindre kan de hämta data ur arkiv.

Frågan är varför man har satt de två vetenskaperna åtskilt från varandra? För, även större mängder av informationsinsamling är de facto inhämtning. Och maskininlärning är bara ett sätt att analysera information såsom lingvistisk analys (NLP som exempel).

Är det då inte bättre att huvudämnet är de facto informationsvetenskap och specialiseringen bör vara t.ex. maskininlärning eller dylikt?

Givetvis kan man anse att "datascience" är en tvärvetenskaplig gren, men det är ju informationsvetenskap också. Inom informationsvetenskapen använder du kunskaper från alla möjliga fällt och däri även programmering. Det är det samma.

När du studerar informationsvetenskap behöver du följande områden:
historia, sociologi, lingvistik, datorlogi, arkivvetenskap, pedagogik, informationsteknologi (dvs tekniska hjälpmedel, programmering osv.), epistemologi, statistik och mycket mer därtill.

Din "datascience" är ju bara en del av detta.

Nja, data science och informationsvetenskap är olika saker, även om båda kan ses som tvärvetenskapliga. Informationsvetenskap kan ju även ses som en paraplydisciplin mellan många områden, medan detsamma inte gäller för data science.

Men varför skulle inte data science (som förövrigt ÄR informationsvetenskap, jag tar upp just ordets betydelse i TS) vara likställt eller under informationsvetenskap? Varför skall detta vara en ingenjörsgren när det inte ens är något som ingenjörer skall syssla med.

Akademin har numera fjärmat sig från både intelligens och bildning.

Cybernetik som använts inom den germanska och ryska språksfären sedan 1950-talet speglar dessa discipliner bättre.

För mycket engelska och svengelska begrepp är inte sällan en indikator på en persons låga intelligens och bildningsgrad. Det förstår givetvis inte dom som använder engelska antingen behövs eller ej

Ser inte riktigt varför data science är något ingenjörer inte ska syssla med, att använda matematiska modeller för att kunna dra insikter utifrån analys av stora datamängder är väl helt klart något en ingenjör kan jobba med.

Sedan är det långt från ingenjörskärnan att hålla på med information.

Håller inte med, informationsteknik (IT) är ju idag det som är mest high tech? Eller menar du att det är bättre att fokusera på det som var high tech för 100 år sedan, t.ex. mekanik?

För mig finns det bara några olika ingenjörsdiscipliner:
Bergsingenjör, brandingenjör, elektroingenjör, byggnadsingenjör, sjöingenjör och ingenjör inom försvarsmakten.
Allt annat är bara breda utbildningar för att stävja en rolig grej.

Det var väl ändå Norbert Wiener som lanserade begreppet Cybernetics i sin bok (På engelska) från 1948?