2005年，人类产生的数据总量约为130 Exabytes(1EB=1024PB=2^60字节）
预计2020年，人类产生的数据总量将会变成40900 Exabytes。
为了更好地展现数据变化，我们不妨画一张图。
我们发现，过去的15年间，数据总量呈指数增长，然而计算能力（蓝色线）、Data Scientists人员的增长速度却远远慢于数据的增长。
网上有这样一句话“数据是爆炸了，信息却很贫乏”，其实很好地反映了现状。
数据经过处理之后，才能变成有知识、能够有意义和价值的信息。数据没有好坏之分，同一批数据，从不同的角度分析的话，其实能够得出的结论都不一样。
由此看来，这个时代的确需要更多Data Scientists，而Data Science火得一塌糊涂自然也在情理之中了。
Data Science是北美大学里最热门的专业
Data Scientist是硅谷炙手可热的招聘岗位
即使不懂大数据、云计算、人工智能、算法、机器学习，这些名词之间的区别，也不妨碍这些内容成为人们茶余饭后的谈资。
facebook信息泄露可能会影响美国大选；
订机票和订酒店一不小心就被大数据杀熟；
头条和淘宝得推荐策略到底有多厉害；
阿尔法狗战胜人类顶级棋手；
人工智能未来将取代很多人的工作……
只是现在大家还没办法一直就某个话题聊下去，有限的谈资只能带来浅尝辄止的讨论.聊得越深，就越容易暴露自己学识浅薄。爱因斯坦说，我们知道越多，我们所知道的无知也就越多。
我们知道Data Science，但不知道Python、ANACONDA、Tableau、pandas、SQL的用途；
我们知道Data Scientists，但不知道Data Analyst、Data modeler、Business Analyst如何协作；
我们知道Data Science能和许多领域交叉，但不知道如何找到问题，更别说如何解决问题了。
即使无知，但我们仍然热情不减。
因为，我们看到了：
这个时代正在奖励学Data Science的人。
微软、亚马逊、谷歌这样的互联网巨头都在高薪招Data Science相关人员，即使在所谓的寒冬，招聘需求仍然逆势上扬。Data Science专业学生走出名校就能拿到大几十万甚至上百万的年薪。非CS专业的人也开始学习Python、SQL，主动拥抱变化。
如果你对Data Science的兴趣不满足于一知半解，
欢迎来听UCB的CS大神在线分享——《走进数据科学和大数据分析》，加入微信群免费报名。
本次嘉宾
Dr. Marshall
美国加州大学伯克利分校研究生导师
美国加州大学伯克利分校全额奖学金博士
劳伦斯伯克利国家实验室研究员
累计发表学术论文10篇，国家专利一项，国家软件著作权6项
本次分享内容包括但不限于：
-
怎样理解Data Science、Big Data Analysis？
-
Data Science的应用场景和相关学科介绍
-
DS从业者技能树、互联网公司DS热门岗位介绍
-
如果你想做DS，你应该了解哪些东西？
-
关于DS、BA的区别、Visualisation（数据可视化）、Data mining（数据挖掘）、Neurocomputing（神经网络计算）、Machine learning（机器学习）答疑
适合谁听？
想要了解Data Science、Big Data Analysis的同学
打算留学、正在择校考虑CS专业的同学
正在学习Data Science新知识的同学
不适合经验丰富的Data Science从业者
分享时间
美西时间3月19日21时
北京时间3月20日12时
扫上方二维码
备注【DS占座】
免费加入伯克利大神DS微信群分享
