Технологические Тенденции

Интернет - величайшее технологическое изменение за последние 30 лет.

Любит | Нелюбов | Ответы | Вид | 7969


Франклин Вью используя Интернет, так как он назывался ARPAnet   
@ | Обновлено Right Now


На этой неделе я принял участие в саммите по инновациям данных в Стокгольме, который посвящен таким темам, как машинное обучение, прикладная аналитика, наука о данных, инженерия данных и аналитика IoT. Это дало хороший обзор текущих тенденций в отрасли.

Если у меня останется один вынос с этой конференции, то это:

В начале 2019 года отрасль в основном занималась тем, как работать вместе в командах и как внедрять машинное обучение. На данный момент это самая большая тенденция на данный момент.

На самом деле было очень мало разговоров о моделировании, глубоком обучении и о том, как заниматься наукой о данных. Это пока что «решенная проблема». И я говорю, что решено с большой оговоркой, потому что в этой области, очевидно, еще предстоит много прогресса. Но это не то, где промышленность сталкивается с серьезными узкими местами.

Инструменты и фреймворки значительно улучшились, так же как и кадровый резерв. Большинство исследователей данных в 2019 году вполне способны предложить точные модели прогнозирования для четко определенных проблем в лабораторной среде. Тем не менее, между этим существует и наличие масштабируемых моделей машинного обучения, которые надежно работают в течение долгого времени.

Многие компании были сожжены за счет развертывания и забывания о моделях без надлежащего контроля за ними. Они становятся нестабильными, неточными и в конечном итоге бесполезными. Возможно, они даже были бесполезны в первую очередь, потому что они не были должным образом связаны с бизнесом.

Вопрос, на который пытались ответить несколько выступлений на конференции, заключался в следующем: как вы делаете так, чтобы инженеры данных, специалисты по данным и эксперты в предметной области сотрудничали? Наиболее популярным ответом на это, кажется, являются гибридные команды . Это означает, что ученые-данные работают в кросс-функциональных группах, но все еще отчитываются перед центральной функцией обработки данных.

Большой тенденцией, которая также часто упоминалась, является DataOps . На самом деле это просто модное слово, чтобы сказать, что науке о данных необходимо быстро освоиться с лучшими практиками разработки программного обеспечения при развертывании моделей машинного обучения в масштабе.

Есть много компаний, занимающихся автоматизированным машинным обучением . Это было долго ждать, с поставщиками , как DataRobot генерирующего много шума, но это , кажется, наконец , порождающими клиентами тоже.

Все эти тенденции связаны с организацией. Как я уже сказал, мало внимания уделялось техническим аспектам самого машинного обучения, и я думаю, что это отражает современные тенденции в отрасли.

Наконец, существует проблема этики. Дуг Резка, основатель Hadoop, сказал в своем выступлении , что нам нужно сделать этики первого класса беспокойство и увеличить регулирование . Несколько ораторов отметили важность создания надежных систем . Это не просто хорошо с этической точки зрения, но и делает много с точки зрения бизнеса.

Подводя итог, можно сказать, что они выглядят как главные тренды в науке о данных на 2019 год

  • Гибридные команды
  • DataOps
  • Масштабируемое машинное обучение
  • Автоматизированное машинное обучение
  • Этика и правила
  • Укрепление доверия

| |



Онлайн-курс
«Машинное обучение для людей»
Один из самых трендовых курсов в сфере Цифровой экономики.