The Key Concepts and Steps in Data Science Engin A. - PowerPoint PPT Presentation

Sta1s1cs ¡Discipline ¡ University ¡of ¡Minnesota, ¡Morris ¡ The ¡Key ¡Concepts ¡and ¡ ¡ Steps ¡in ¡Data ¡Science ¡ Engin ¡A. ¡Sungur ¡ Sta-s-cs ¡Discipline ¡ University ¡of ¡Minnesota, ¡Morris ¡ 1 ¡ Shanghai ¡University ¡of ¡Finance ¡and ¡Economics, ¡SUFE,, ¡Shanghai, ¡China ¡May ¡4, ¡2015 ¡

Sta1s1cs ¡Discipline ¡ University ¡of ¡Minnesota, ¡Morris ¡ OUTLINE ¡ PRESENTATION ¡ LEARNING ¡ EXPECTATIONS ¡ INTRODUCTIONS ¡& ¡BACKGROUND ¡INFORMATION ¡ TEST ¡ o STEPS/STAGES ¡OF ¡DATA ¡SCIENCE/STATISTICS ¡ o QUESTION/PROBLEM ¡ o DATA ¡COLLECTION ¡ o DATA ¡MANIPULATIONS ¡ o EXPLORATORY ¡DATA ¡ANALYSIS ¡ o COMFIRMATORY ¡DATA ¡ANALYSIS ¡ o COMMUNICATING ¡THE ¡FINDINGS ¡ o FORMULATING ¡NEW ¡QUESTIONS/PROBLEMS ¡ o GENERAL ¡REMARKS ¡ o 2 ¡ Shanghai ¡University ¡of ¡Finance ¡and ¡Economics, ¡SUFE,, ¡Shanghai, ¡China ¡May ¡4, ¡2015 ¡ ¡

Sta1s1cs ¡Discipline ¡ University ¡of ¡Minnesota, ¡Morris ¡ LEARNING ¡OBJECTIVES ¡ LEARNING ¡ PRESENTATION ¡ EXPECTATIONS ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡LEARN ¡ABOUT ¡WHAT ¡LEARNERS ¡ LEARN ¡MOST ¡RECENT ¡TRENDS ¡IN ¡DATA ¡ o o KNOW ¡ABOUT ¡DATA ¡SCIENCE ¡(me) ¡ ANALYSIS ¡ UNDERSTAND ¡THEIR ¡EXPECTATIONS ¡ o IDENTIFY ¡THE ¡SEVEN ¡STAGES ¡OF ¡THE ¡DATA ¡ o (me) ¡ SCIENCE ¡(you) ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡LEARN ¡ABOUT ¡THE ¡LEARNERS ¡ o LEARN ¡COMMON ¡CONCEPTS ¡IN ¡EACH ¡ o BACKGROUND ¡AND ¡FUTURE ¡PLANS ¡ (you) ¡ (me)) ¡ GET ¡FAMILIAR ¡WITH ¡SOME ¡STATISTICAL ¡ o ANSWER ¡LEARNERS’ ¡QUESTIONS ¡ON ¡ o TECHNIQUES/METHODS/TOOLS ¡THAT ¡ARE ¡ STATISTICS, ¡DATA ¡SCIENCE, ¡AND ¡ AVAILABLE ¡(you) ¡ TEACHING ¡AND ¡LEARNING ¡PROCESS ¡ SEE ¡AN ¡EXAMPLE ¡OF ¡A ¡TYPICAL ¡LECTURE ¡ o IN ¡USA ¡(me) ¡ ¡ ¡ ¡ ¡ 3 ¡ ¡ Shanghai ¡University ¡of ¡Finance ¡and ¡Economics, ¡SUFE,, ¡Shanghai, ¡China ¡May ¡4, ¡2015 ¡

Sta1s1cs ¡Discipline ¡ University ¡of ¡Minnesota, ¡Morris ¡ STAGES ¡OF ¡DATA ¡SCIENCE ¡ Other ¡ Ques-on/Problem ¡ ¡ Fields/ (Inquiry) ¡ Disciplines ¡ Formula-on ¡of ¡ Data ¡Collec-on ¡ New ¡Ques-ons/ (Collec-ng ¡Evidence) ¡ Problems ¡ Data ¡Manipula-ons ¡ ¡ Communica-ng ¡the ¡ Findings ¡ (First ¡Encounter) ¡ Probability ¡ Models ¡ Confirmatory ¡Data ¡ Exploratory ¡Data ¡ Analysis ¡ Analysis ¡ (Confirma-on ¡of ¡ (Describing ¡what ¡we ¡ what ¡we ¡have ¡found) ¡ ¡ ¡ have) ¡ 4 ¡ Shanghai ¡University ¡of ¡Finance ¡and ¡Economics, ¡SUFE,, ¡Shanghai, ¡China ¡May ¡4, ¡2015 ¡

Sta1s1cs ¡Discipline ¡ University ¡of ¡Minnesota, ¡Morris ¡ STAGES ¡OF ¡DATA ¡SCIENCE ¡ Other ¡ Ques-on/Problem ¡ ¡ Fields/ (Inquiry) ¡ Disciplines ¡ Formula-on ¡of ¡ Data ¡Collec-on ¡ New ¡Ques-ons/ (Collec-ng ¡Evidence) ¡ Problems ¡ Data ¡Manipula-ons ¡ ¡ Communica-ng ¡the ¡ Findings ¡ (First ¡Encounter) ¡ Probability ¡ Models ¡ Confirmatory ¡Data ¡ Exploratory ¡Data ¡ Analysis ¡ Analysis ¡ (Confirma-on ¡of ¡ (Describing ¡what ¡we ¡ what ¡we ¡have ¡found) ¡ ¡ ¡ have) ¡ 5 ¡ Shanghai ¡University ¡of ¡Finance ¡and ¡Economics, ¡SUFE,, ¡Shanghai, ¡China ¡May ¡4, ¡2015 ¡

Sta1s1cs ¡Discipline ¡ University ¡of ¡Minnesota, ¡Morris ¡ STAGES ¡OF ¡DATA ¡SCIENCE ¡(Contd.) ¡ Other ¡ Ques-on/Problem ¡ ¡ Fields/ (Inquiry) ¡ Disciplines ¡ Formula-on ¡of ¡ Hypothesis ¡vs. ¡ Data ¡Collec-on ¡ ¡No ¡Hypothesis ¡ New ¡Ques-ons/ (Collec-ng ¡Evidence) ¡ Supervised ¡vs. ¡ Problems ¡ Unsupervised ¡ Model ¡vs. ¡No ¡Model ¡ Data ¡Manipula-ons ¡ ¡ Communica-ng ¡the ¡ Findings ¡ (First ¡Encounter) ¡ Probability ¡ Models ¡ Confirmatory ¡Data ¡ Exploratory ¡Data ¡ Analysis ¡ Analysis ¡ (Confirma-on ¡of ¡ (Describing ¡what ¡we ¡ what ¡we ¡have ¡found) ¡ ¡ ¡ have) ¡ 6 ¡ Shanghai ¡University ¡of ¡Finance ¡and ¡Economics, ¡SUFE,, ¡Shanghai, ¡China ¡May ¡4, ¡2015 ¡

Sta1s1cs ¡Discipline ¡ University ¡of ¡Minnesota, ¡Morris ¡ STAGES ¡OF ¡DATA ¡SCIENCE ¡(Contd.) ¡ Other ¡ Ques-on/Problem ¡ ¡ Fields/ (Inquiry) ¡ Disciplines ¡ Formula-on ¡of ¡ Hypothesis ¡vs. ¡ Popula-on ¡vs. ¡ Data ¡Collec-on ¡ ¡No ¡Hypothesis ¡ Sample ¡ New ¡Ques-ons/ (Collec-ng ¡Evidence) ¡ Supervised ¡vs. ¡ Available ¡vs. ¡ Problems ¡ Unsupervised ¡ Produced ¡ Observa-onal ¡vs. ¡ Model ¡vs. ¡No ¡Model ¡ Sampling ¡Design ¡ Experimental ¡ Measurable ¡vs. ¡Not ¡ Experimental ¡Design ¡ Measurable ¡ Data ¡Manipula-ons ¡ ¡ Communica-ng ¡the ¡ Findings ¡ (First ¡Encounter) ¡ Probability ¡ Models ¡ Confirmatory ¡Data ¡ Exploratory ¡Data ¡ Analysis ¡ Analysis ¡ (Confirma-on ¡of ¡ (Describing ¡what ¡we ¡ what ¡we ¡have ¡found) ¡ ¡ ¡ have) ¡ 7 ¡ Shanghai ¡University ¡of ¡Finance ¡and ¡Economics, ¡SUFE,, ¡Shanghai, ¡China ¡May ¡4, ¡2015 ¡

Sta1s1cs ¡Discipline ¡ University ¡of ¡Minnesota, ¡Morris ¡ STAGES ¡OF ¡DATA ¡SCIENCE ¡(Contd.) ¡ Other ¡ Ques-on/Problem ¡ ¡ Fields/ (Inquiry) ¡ Disciplines ¡ Formula-on ¡of ¡ Hypothesis ¡vs. ¡ Popula-on ¡vs. ¡ Data ¡Collec-on ¡ ¡No ¡Hypothesis ¡ Sample ¡ New ¡Ques-ons/ (Collec-ng ¡Evidence) ¡ Supervised ¡vs. ¡ Available ¡vs. ¡ Problems ¡ Unsupervised ¡ Produced ¡ Observa-onal ¡vs. ¡ Model ¡vs. ¡No ¡Model ¡ Sampling ¡Design ¡ Experimental ¡ Measurable ¡vs. ¡Not ¡ Experimental ¡Design ¡ Database ¡Crea-on ¡ Measurable ¡ Data ¡Reduc-on ¡ Data ¡Condensa-on ¡ Data ¡Manipula-ons ¡ ¡ Communica-ng ¡the ¡ Findings ¡ (First ¡Encounter) ¡ Data ¡Reliability ¡ Probability ¡ Models ¡ Confirmatory ¡Data ¡ Exploratory ¡Data ¡ Analysis ¡ Analysis ¡ (Confirma-on ¡of ¡ (Describing ¡what ¡we ¡ what ¡we ¡have ¡found) ¡ ¡ ¡ have) ¡ 8 ¡ Shanghai ¡University ¡of ¡Finance ¡and ¡Economics, ¡SUFE,, ¡Shanghai, ¡China ¡May ¡4, ¡2015 ¡

Sta1s1cs ¡Discipline ¡ University ¡of ¡Minnesota, ¡Morris ¡ STAGES ¡OF ¡DATA ¡SCIENCE ¡(Contd.) ¡ Other ¡ Ques-on/Problem ¡ ¡ Fields/ (Inquiry) ¡ Disciplines ¡ Formula-on ¡of ¡ Hypothesis ¡vs. ¡ Popula-on ¡vs. ¡ Data ¡Collec-on ¡ ¡No ¡Hypothesis ¡ Sample ¡ New ¡Ques-ons/ (Collec-ng ¡Evidence) ¡ Supervised ¡vs. ¡ Available ¡vs. ¡ Problems ¡ Unsupervised ¡ Produced ¡ Observa-onal ¡vs. ¡ Model ¡vs. ¡No ¡Model ¡ Sampling ¡Design ¡ Experimental ¡ Measurable ¡vs. ¡Not ¡ Experimental ¡Design ¡ Database ¡Crea-on ¡ Measurable ¡ Data ¡Reduc-on ¡ Data ¡Condensa-on ¡ Data ¡Manipula-ons ¡ ¡ Communica-ng ¡the ¡ Findings ¡ (First ¡Encounter) ¡ Data ¡Reliability ¡ Probability ¡ Models ¡ Graphical ¡ Confirmatory ¡Data ¡ Exploratory ¡Data ¡ Analysis ¡ Analysis ¡ Numerical ¡ (Confirma-on ¡of ¡ (Describing ¡what ¡we ¡ what ¡we ¡have ¡found) ¡ ¡ ¡ have) ¡ 9 ¡ Shanghai ¡University ¡of ¡Finance ¡and ¡Economics, ¡SUFE,, ¡Shanghai, ¡China ¡May ¡4, ¡2015 ¡