資料科學 (Data Science) 是一門跨領域的學科，他使用數學、統計學、電腦科學以及領域相關的知識和理論，從結構化和非結構化的數據中提取知識和見解。
資料科學家在做什麼？Data Scientist 工作內容與3大核心技能
資料科學有什麼用途？解決生活上什麼問題？
透過大數據與資料科學，我們的生活上有許多資料科學應用的例子，包含
- 識別：例如運用數據進行臉部辨識、聲紋辨識、車牌辨識
- 分類：運用數據將特定特徵的email或是客戶進行分群
- 預測：以過往的模式預測銷售的成效或預期的天氣變化。
- 檢測過濾：運用數據來辨別是否是詐欺郵件，或是檢測可能的疾病或犯罪
- 推薦：通過數據學習你的偏好，推薦給你更可能需要的商品或是影劇
- 優化：依照過往的數據優化你的行車路線，或是加速你的餐點或貨物的遞送。
如何學習資料科學？
首先你要知道為什麼要學資料科學，要有明確的理由有想要解決的問題，才會更有目標來研究並精進自己的技能。
其次你要打好基礎，最常入門資料科學的三大背景為：資訊科學、數學與統計、商業知識，因為資料科學家的工作會運用到溝通、分析與建立模型。
三者中最重要的為「數學與統計能力」。資料科學需要去摸索並解決問題，而怎麼做決定就需要統計能力。當看到一個問題，是否能用資料證明，它跟什麼是有相關的，或是做 A/B 測試時，知道要把 A/B 測試跑在多少人身上，能得到準確的估計結果。擁有數學與統計能力，才能真正做到資料導向的決策。
最後你要學會溝通，因為當別人提出需求時，很重要的一點是「先問他到底為什麼要做？」溝通很重要，如果不了解背後動機，時間花了做出來對方不滿意，那就是兩敗俱傷。所以要先溝通需求，釐清原本的問題是什麼。
資料科學的學習資源
Kaggle：這是一個全世界最大的資料科學學習社群，裡面隨時都有各種資料分析和預測建模的競賽，參與這些競賽來解決現實世界的資料科學和機器學習的問題。
Google Cloud：Google提供的快速學習和練習機器學習的免費課程。
開源數據科學大師：一個學習資料科學的資源整理，在Github上可以幫助你了解你需要哪些核心能力
資料科學領域可以關注的Blog
資料科學的領域範疇廣大，要小心不要在廣闊的海洋中迷路，如果想要從最基礎的資料庫開始學起，ALPHA Camp也有課程幫助你了解。