Dans cette étude, la science des données est définie comme relevant de trois domaines : les sciences comme les statistiques mathématiques, les technologies comme l'information et la communication et la gestion de diverses opérations et projets. La science quotidienne est utilisée dans de nombreux domaines de la société actuelle. D’un autre côté, il y a une pénurie de ressources humaines capables de mener à bien ces efforts, notamment des data scientists, et il est urgent de les former et de les développer. L'une des méthodes pédagogiques consiste à utiliser du matériel pédagogique réel pour générer des données et apprendre tout en respectant l'expérience et l'indépendance. Des exemples de matériel pédagogique réel incluent le tir à pièces, les hélicoptères en papier et les planeurs en papier, et plusieurs rapports ont été réalisés jusqu'à présent. Dans le rapport, le cycle dit PDCA de planification, de mise en œuvre, de réflexion et d'action a été adopté pour résoudre les problèmes et accomplir des tâches dans le cadre de travaux et de projets antérieurs, et ce cadre a également été maintenu dans l'enseignement scientifique quotidien. À l'avenir, il sera important de développer la capacité d'observer non seulement les données formatées et gérées, mais également les petites données et les données de queue avant leur traitement, de définir de nouvelles hypothèses basées sur l'individualité et l'expérience et de conduire à l'innovation. Dans cette présentation, nous les organiserons systématiquement et discuterons des possibilités d'enseignement et d'innovation en science des données à partir de là.
