多谢过来人的高质量回帖 正好以前辈的回帖为契机，来表达一下还没表达清楚的观点。顺便小结一下这个帖子。 1）　工业界和学术界在大潮之中的定位 大数据时代，数据成了最重要的资源。学术界没有像工业界那样拥有第一手的数据，表面上看起来，的确处于劣势。但不要忘记，统计这门科学，本来就是在数据稀缺的时代被发明的。统计的本质就是从有限甚至少量的数据中推断出普遍的规律。只要人或者机器不能达到全知全能，统计这门科学就有意义。 而且，machine　learning　能够　work　的两个基本前提是数据有代表性和Chebyshev's　Inequality。（当然，大部分数据从业者可能认为自己搞出来的东西能　work　的原因是自己吊。）现实中，数据量不满足Chebyshev's　Inequality的情况比比皆是。比如说金融数据，数据量不足和heteroskedasticity　给　machine　learning　在金融中的应用带来了巨大的挑战。在这种情况下，开发新的，数据需要量小的/收敛速度快的模型就变得非常有必要。而这种活，一般都是学术界干的比较好。 2）数据科学的前景 大部分人都不会否认，数据科学前景巨大。但到底是什么样的前景，有多巨大，每个人可能都有自己的理解。不管怎么理解，祝大家在新的浪潮中弄潮愉快。 (more...)