전산 과학과 데이터 과학의 차이점은 무엇입니까? [닫은]

배경 : 제 박사는 '전산 과학'에있었습니다. 저의 논문은 고체 물리학에 대한 분자 전자 밀도의 전체 동적 분석에서 X- 선 회절 데이터의 분석 및 열 교란 된 핵의 분석에 관한 것입니다. 테이크 아웃? 그것은 과학에 매우 기반을두고있었습니다.

제 생각에는 전산 과학은 과학을 추구하는 것입니다 ... " 계산적 수단을 통해 우주에 대한 검증 가능한 설명과 예측의 형태로 지식을 구축하고 조직하는 체계적인 기업"( wiki ).

그러나 '데이터 과학'에 대한 대부분의 입장은 '데이터 분석'유형의 직업과 비슷합니다. 즉, 사전 구축 된 R 및 Python 모델 (선형 회귀 등)을 사용하여 구조화 된 데이터와 구조화되지 않은 데이터에서 결론을 도출하는 무거운 SQL 쿼리입니다.

전산 과학은 데이터 과학의 상위 집합입니까? 그들은 상호 교환이 가능합니까? 데이터 과학은 실제 '과학'입니까? 전산 과학은 실제 '과학'인가?

그들은 서로 바꿔 쓸 수 없습니다.

• 전산 과학은 HPC, 시뮬레이션 기술 (미분 방정식, 분자 역학 등)을 더 많이 참조하는 경향이 있으며 일반적으로 과학 컴퓨팅이라고합니다.

• 데이터 과학은 "빅 데이터", 생물 정보학, 머신 러닝 (최적화), MCMC를 사용한 베이지안 분석 등과 같은 계산 집약적 인 데이터 분석을 말하는 경향이 있습니다. 저는 계산 통계라고하는 것과 동일하다고 생각합니다. 그것은 컴퓨터 과학에 통계를 주입 한 것이었지만, 개발 된 많은 기술들은 엄격한 어부의 "통계 테스트"(클러스터링, 교차 검증 기술, 데이터 시각화)를 떨어 뜨 렸지만 데이터 부분은 유지했습니다.

데이터 과학 및 과학 컴퓨팅을위한 Julia에 대한 워크샵을 가르 칠 때 가장 명확한 설명이 나에게 왔습니다. 데이터 과학자들은 빠른 "빅 데이터"분석, 즉 대규모 데이터에 대한 회귀 및 기타 GLM을 수행하기 위해 Julia를 배우기를 원했습니다. 전산 과학자 (과학 전공?)는 HPC 및 GPU에서 큰 선형 시스템을 해결하기 위해 코드를 쉽게 작성하는 방법을 알고 싶었습니다.

그것들은 정확히 동일한 계산을 말하는 두 가지 방법이지만 매우 다른 의미를 가지고 있습니다. 따라서 어떤 의미에서는 비슷하지만 여전히 구별됩니다 (그리고 머신 러닝을 사용하여 데이터에서 PDE에 대한 매개 변수를 배우는 것과 같은 분야간에 교차가 있습니다).