Intervenant : Dr Gongjin Lin , membre de l'American Statistical Association, professeur émérite à l'Université d'État de Pennsylvanie
Intervenant : Dennis KJ Lin , professeur émérite, Université d'État de Pennsylvanie
Sujet : Big Data : Ce qui compte n'est pas la taille des données ou les données elles-mêmes, mais la pensée statistique
Sujet : Il ne s'agit pas de Big Data, mais plutôt de statistiques.
résumé:
Pour cuisiner un bon repas, il faut trois éléments : de bons ingrédients, de bons ustensiles de cuisine et une bonne méthode de cuisson. Il en va de même lorsqu’on étudie les big data. Si vous voulez faire du bon travail dans le domaine du Big Data, vos ingrédients sont le Big Data, vos ustensiles de cuisine sont des ordinateurs et la méthode de cuisine la plus importante est la pensée statistique. Il convient de mentionner que les ingrédients et les ustensiles de cuisine peuvent être achetés à condition que vous soyez prêt à dépenser de l'argent, mais la méthode de cuisson vous appartient - vous devez l'apprendre vous-même. Ce rapport vous apprendra à cuisiner de délicieux plats à base de Big Data à travers plusieurs analyses de cas simples et à présenter quelques points de vue personnels sur l'avenir du Big Data, en particulier le développement futur de l'Internet des objets.
Abstrait:
Pour cuisiner un bon plat, il faut trois éléments : de bons ingrédients, des ustensiles faciles à utiliser et de bonnes méthodes de cuisson. La recherche avec le Big Data est similaire. Vos ingrédients sont du Big Data, vos ustensiles sont des ordinateurs, et la méthode de cuisson la plus importante est la pensée statistique. Il est important de noter que les ingrédients et les ustensiles sont disponibles à l'achat, mais que vous devez apprendre et améliorer vos bonnes méthodes de cuisson par vous-même. Cette conférence abordera quelques études de cas simples, vous apprendra à cuisiner avec la pensée statistique, vous présentera un aperçu de l'avenir du Big Data (notamment l'Internet des objets) et vous fera part de vos points de vue personnels.
