科學研究四大正規化：
第一正規化：經驗科學
人類最早的科學研究，主要以記錄和描述自然現象為特徵，又稱為「實驗科學」
經驗科學是「理論科學」的對稱，指偏重於經驗事實的描述和明確具體的實用性的科學，一般較少抽象的理論概括性。在研究方法上，以歸納為主，帶有較多盲目性的觀測和實驗。一般科學的早期階段屬經驗科學，生物、化學尤其如此。經驗科學的主要研究模型是：科學實驗。典型範例包括：伽利略的物理學、動力學。
第二正規化：理論科學
如果假說能借由大量可重現的觀察與實驗而驗證，並為眾多科學家認定，這項假說可被稱為理論。理論科學偏重理論總結和理性概括，強調較高普遍的理論認識而非直接實用意義的科學。在研究方法上，以演繹法為主，不侷限於描述經驗事實。
理論科學的主要研究模型是：數學模型。 典型範例包括：數學中的集合論、圖論、數論和概率論；物理學中的相對論、弦理論、圈量子引力理論；地理學中的大陸漂移學說、板塊構造學說；氣象學中的全球暖化理論；經濟學中的微觀經濟學、巨集觀經濟學以及博弈論；電腦科學中的演算法資訊理論、計算機理論。
第三正規化：計算科學
利用電子計算機對科學實驗進行模擬**的模式。是乙個與資料模型構建、定量分析方法以及利用計算機來分析和解決科學問題相關的研究領域。在實際應用中，計算科學主要用於對各個科學學科中的問題進行計算機模擬和其他形式的計算。典型的問題域包括：數值模擬，重建和理解已知事件（如**、海嘯和其他自然災害），或**未來或未被觀測到的情況（如天氣、亞原子粒子的行為）；模型擬合與資料分析，調整模型或利用觀察來解方程（如石油勘探地球物理學、計算語言學，基於圖的網路模型，複雜網路等）；計算和數學優化，最優化已知方案（如工藝和製造過程、運籌學等）。
計算科學的主要研究模型是：計算機**和模擬。典型範例包括：熱力學和分子問題、訊號系統，以及傳統的人工智慧等。
第四正規化：資料密集型科學
第三正規化，是先提出可能的理論，再蒐集資料，然後通過計算來驗證。而基於大資料的第四正規化，則是先有了大量的已知資料，然後通過計算得出之前未知的理論。大資料時代最大的轉變，就是放棄對因果關係的渴求，取而代之關注相關關係。也就是說，只要知道「是什麼」，而不需要知道「為什麼」。關聯關係是大資料的本質特徵之一。
計算科學的主要研究模型是：資料探勘和機器學習，特別是機器學習。典型範例包括幾乎所有的大資料實踐場景，以及基於大資料的人工智慧。特別是當前火熱的新一代人工智慧研究。我們在過去認為非常難以解決的智慧型問題，會因為大資料的使用而迎刃而解，比如圍棋。同時，大資料還會徹底改變未來的商業模式，很多傳統的行業都將採用資料驅動的智慧型技術實現公升級換代，同時改變原有的商業模式。大資料和機器智慧型對於未來社會的影響是全方位的，對整個社會帶來巨大的衝擊，尤其是在智慧型革命的初期。
計算密集型 IO密集型 資料密集型
2 計算密集型任務雖然也可以用多工完成，但是任務越多，花在任務切換的時間就越多，cpu執行任務的效率就越低，所以，要最高效地利用cpu，計算密集型任務同時進行的數量應當等於cpu的核心數。3 計算密集型任務由於主要消耗cpu資源，因此，執行效率至關重要。python這樣的指令碼語言執行效率很低，完全...
CPU 密集型 計算密集型，IO密集型
1 cpu 密集型 計算密集型 計算密集型，顧名思義就是應用需要非常多的cpu計算資源，在多核cpu時代，我們要讓每乙個cpu核心都參與計算，將cpu的效能充分利用起來，這樣才算是沒有浪費伺服器配置，如果在非常好的伺服器配置上還執行著單執行緒程式那將是多麼重大的浪費。對於計算密集型的應用，完全是靠c...
cpu密集型 計算密集型 io密集型 簡介
cpu密集型 cpu bound cpu密集型也叫計算密集型，指的是系統的硬碟 記憶體效能相對cpu要好很多，此時，系統運作大部分的狀況是cpu loading 100 cpu要讀 寫i o 硬碟 記憶體 i o在很短的時間就可以完成，而cpu還有許多運算要處理，cpu loading很高。在多重程...