Astronom går mot den stora (ger) datatiden på grund av många skyundersökningstekniker. De kommande inkluderar t.ex. LSST, JWST och WFIRST.

Med betydelsen av undersökningen betyder det normalt att du observerar hela himlen under några dagar och fortsätter att upprepa om och om igen. Eftersom de flesta undersökningarna är bildteknik är varje pixel i en bild viktig.

Så du kan föreställa dig hur mycket data som kommer in per dag och hur mycket datavetenskap är viktigt inom många områden av astronomi (och kosmologi). Så, datavetenskap tar, typ av, över när det gäller att analysera data från undersökningar.

Jag är astronom och jag får massor av anställningserbjudanden för att omskola mig som datavetare, men det kan vara svårare att gå åt andra hållet.

Astronomi är definitivt ett område där "stort data 'är viktigt, och de analys- och visualiseringstekniker som vi använder varje dag ligger troligen decennier bakom vad som lärs ut till datavetare. De flesta astronomiprogram är dock mycket nischade, bara används av en handfull människor runt om i världen och redigeras vanligtvis för att passa deras specifika syfte. Jag har sett försök att göra mer "generisk" astronomisk programvara som kan standardiseras och användas i stor utsträckning, men det är svårt att hitta en uppgift som kan automatiseras och standardiseras eftersom vi normalt arbetar med lite olika begränsningar varje gång.

För några år sedan träffade jag en doktorand som hade studerat datavetenskap vid grundutbildningen och sedan flyttat in i astronomi, och han blev förvånad över hur gamla teknikerna vi just fick tag på var, men han hade också verkliga problem med att förstå vad han försökte analysera för att han inte hade den astronomiska kunskapen för att känna till alla källor till fel och buller i sina data.

Jag tror att det finns dataforskare som arbetar med mer abstrakta problem, som teleskoprörledningar , men tyvärr kan jag inte ge mycket råd på detta område eftersom det är ett observationsproblem och mitt arbete är teoretiskt.