期刊介绍

《数据科学与大数据技术》由国际开放获取期刊研究中心（OAJRC）主办，国际科学大数据系统（ScidataS）协办，大牛智慧学术平台提供技术支持，是专注于数据科学与大数据技术的学术期刊。旨在为研究人员、学者和大数据从业者提供一个交流和分享最新研究成果的平台，以推动学科交叉创新、解决实际数据挑战和引领技术伦理与治理。本期刊涵盖广泛的主题，包括但不限于分布式计算框架、新型机器学习范式（如联邦学习）、统计建模革新，医疗影像分析、金融风险预测、智慧城市时空数据建模，以及生成式AI的数据需求等。我们鼓励原创性研究论文、综述文章和案例研究，推动跨学科的合作与创新。 《数据科学与大数据技术》致力于促进全球范围内的知识交流，以应对当今大数据面临的挑战，如非结构化数据（文本、视频）的实时特征提取、小样本场景下的迁移学习鲁棒性和数据孤岛打破与隐私保护的平衡等。我们希望通过本期刊的出版，能够为实现大数据学科的可持续发展贡献智慧和力量。

期刊研究领域包括但不仅限于：

数据工程创新： 本刊欢迎各种与数据治理以及存储优化相关的实践研究。这包括多源异构数据清洗（如医疗电子病历与传感器数据对齐）、动态数据质量评估框架以及基于列存的时序数据库压缩算法等研究。

医疗健康与金融科技： 探讨大数据在垂直领域应用也即场景驱动下的文章。其中包括对基于Transformer的基因序列变异预测、联邦学习在跨医院CT影像分割中的隐私保护方案和非平衡交易数据的集成学习方法以及高频交易订单流的隐马尔可夫模型优化的研究。

数据伦理与合规： 隐私保护技术和算法公平性的研究。其中包括对差分隐私在用户画像中的ε值权衡研究和推荐系统多样性评估指标的研究等。

绿色计算和人机协同： 包括研究大模型训练中的梯度压缩通信协议、机器学习任务碳排放计算工具的行业校准以及自动化特征工程工具的领域适配插件开发。

跨学科方法：本刊鼓励将数据科学与工程创新、生活领域以及数据科学伦理等相结合的跨学科研究。这种综合方法旨在应对大数据科学可持续发展中的复杂挑战。