Data Science and Visual Computing

علوم داده به نیاز به استخراج دانش و اطلاعات از حجم داده‌ها، اغلب از منابع بی‌درنگ در رشته‌های مختلف مانند نجوم، بیوانفورماتیک، مهندسی، علوم، پزشکی، علوم اجتماعی، تجارت و انسانیت. دامنه و حجم منابع داده در طول زمان بسیار افزایش یافته است، به ویژه منابعی که داده های بلادرنگ تولید می کنند. این چالش‌های بیشتری را برای مدیریت داده‌ها و تجزیه و تحلیل داده‌ها و نمایش و نمایش مؤثر ایجاد کرده است. طیف گسترده ای از حوزه های کاربردی قادر به بهره مندی از جدیدترین ابزارها و امکانات بصری هستند. تجزیه و تحلیل سریع در زمینه هایی که باید تصمیمات فوری گرفته شود مورد نیاز است. چنین مناطقی شامل پیش بینی آب و هوا، بورس اوراق بهادار و تهدیدات امنیتی است. در مناطقی که حجم داده‌های تولید شده بسیار بیشتر از ظرفیت فعلی برای تجزیه و تحلیل همه آن‌ها است، توجه به بهترین روش برای رسیدگی به این چالش‌ها معطوف شده است.

روش‌های بهینه برای پرداختن به مجموعه‌های داده بزرگ در رشته‌های مختلف منجر به تشکیل موسسات و مراکز ملی و نهادی علوم داده شده است. با توجه به اولویت ملی، آنها قادر به جلب حمایت برای تحقیق و توسعه در سازمان ها و مؤسسات خود هستند تا تخصص بین رشته ای را برای رسیدگی به طیف گسترده ای از مشکلات گرد هم آورند. محاسبات بصری مجموعه ای از ابزارها و روش هاست که از تصاویر دو بعدی و سه بعدی برای استخراج اطلاعات از داده ها استفاده می کند. چنین روش هایی شامل تجزیه و تحلیل داده ها، شبیه سازی و اکتشاف تعاملی است. اینها تجزیه و تحلیل و بحث می شوند.

Data science addresses the need to extract knowledge and information from data volumes, often from real-time sources in a wide variety of disciplines such as astronomy, bioinformatics, engineering, science, medicine, social science, business, and the humanities. The range and volume of data sources has increased enormously over time, particularly those generating real-time data. This has posed additional challenges for data management and data analysis of the data and effective representation and display. A wide range of application areas are able to benefit from the latest visual tools and facilities. Rapid analysis is needed in areas where immediate decisions need to be made. Such areas include weather forecasting, the stock exchange, and security threats. In areas where the volume of data being produced far exceeds the current capacity to analyze all of it, attention is being focussed how best to address these challenges.

Optimum ways of addressing large data sets across a variety of disciplines have led to the formation of national and institutional Data Science Institutes and Centers. Being driven by national priority, they are able to attract support for research and development within their organizations and institutions to bring together interdisciplinary expertise to address a wide variety of problems. Visual computing is a set of tools and methodologies that utilize 2D and 3D images to extract information from data. Such methods include data analysis, simulation, and interactive exploration. These are analyzed and discussed.