資訊專欄INFORMATION COLUMN
摘要：我們隊年的預測基本正確，當中有些預測趨勢也可以用于新的一年，下面繼續看到對年數據科學機器學習和人工智能領域的預測。
作者：William Vorhies
CDA數據分析研究院原創作品, 轉載需授權?
2018年剛剛結束，在2019年到來之際，讓我們一起展望在今年數據科學、機器學習和人工智能領域會有怎樣的發展趨勢。
首先讓我們快速回顧一下，去年我們曾做出了哪些預測。
2018年預測回顧
預測1
模型生產和數據準備都將越來越自動化。
大型的數據科學操作將集中在一個平臺上。這兩種趨勢都是為了提高效率，從而讓更少的數據科學家完成更多工作。
結果
預測正確。 無代碼數據科學和端對端集成平臺都處于上升發展階段。
預測2
數據科學將繼續專業化，意味著全棧型數據科學家將消失。
結果
是的。如今比起數據科學家，數據工程師更受關注。數據工程師是那些讓數據科學模型在現實中發揮作用的人。
預測3
非數據科學家將比數據科學家執行更多復雜的分析。
結果
這是真的。Data Viz和Visual Analytics等技術作為橋梁，讓非數據科學家能夠從復雜的數據科學工具中獲取更多價值。
預測4
深度學習很復雜。很少有數據科學家掌握剛領域的技能，這將阻礙人工智能的應用，直到深度學習平臺得到更為簡化和產品化。
結果
微軟和谷歌都在2018年推出了自動化深度學習平臺。這些平臺從轉移學習開始，但正朝著完整自動化深度學習發展。同時也還有一些集成自動深度學習平臺。OneClick.AI有完整的自動化機器學習和自動化深度學習平臺。
預測5
盡管有大肆宣傳和炒作，但人工智能和深度學習在各大市場中滲透的速度和廣度都比你想象更慢更窄。
結果
除了聊天機器人的出現，人工智能在商業中的實際應用非常有限。他們來了，但還沒有。在我知道最全面的研究表明，在大型公司中，只有五分之一到三分之一的公司在大規模實施人工智能。在較小的公司中，這個比例要小得多。而且我們不確定哪些是否是“真正的”人工智能。
預測6
政府將開始認真看待人工智能對社會和隱私的影響，無論是有意的還是無意的。
結果
只要看到這方面的新聞就會發現，政府在針對這方面出臺相關的監管機制。對人工智能設計的隱私等方面進行規定。
我們隊2018年的預測基本正確，當中有些預測趨勢也可以用于新的一年，下面繼續看到對2019年數據科學、機器學習和人工智能領域的預測。
2019年預測
預測1：
數據變得比算法更重要
我們已經有一年多美元在深度學習和機器學習方面取得任何重大突破了。當中也有一些漸進式的改進，比如使用時間卷積網（TCN）而不是RNN來減少NLP的延遲，但沒有很大的新創新。性能最佳的算法很有名，或者可通過自動機器學習輕松發現。
目前，隨著公司開始實現數字化轉型，擁有更多更好的數據是成功的關鍵。實際上，這為同時想多個方向提供數據相關解決方案的提供了競爭機會。
一個方面，獲得準確標記的圖像或文本的訓練數據仍然非常昂貴且耗時。Figure Eight這樣專注于標記數據的公司正在推廣智能的成本效益策略，比如Active Learning，讓你在標記數據和模型準確性之間取得最佳權衡。這涉及多次迭代，添加人工標記或機器標記的數據，然后重新訓練以找到最佳方案。
第二個方面是訪問第三方數據。像DymstData這樣的服務公司已經進入該領域，作為數百種附加數據的結算方。他們還承擔著確保敏感PII受到保護等服務，這些信息在金融和醫療服務中尤為重要。
第三個方面是自動跟蹤并記錄模型中使用數據的來源。特別是當不同來源的流數據被集成，且隨時間變化時，知道其來源以和使用方式對準確性和合規性都是至關重要的。Tibco和其他分析平臺正在整合此功能。
圍繞數據的服務產品在今年將大幅擴展。
預測2：
隨著人工智能和機器學習從分析平臺轉移到行業或流程特定應用，一切將變得更容易。
縱觀人工智能和機器學習創業公司，可以看到競爭正在轉向行業或流程特定的應用。這些應用程序或小型平臺主要解決市場營銷、B2B銷售、醫療保健、金融技術等行業特定問題。
這些新應用程序專注于嵌入人工智能和機器學習，從而企業在進行更新和改進時，只需依賴這些開發人員，而無需大型內部數據科學家團隊。
有人將這稱之為人工智能和機器學習商品化，但更準確地說，你可以將其視為人工智能和機器學習的專業化。
如果你熟悉90年代后期從流程再造(Reengineering)到企業資源計劃(ERP)的過渡，其實這是一回事。最初，流程再造呼吁公司使用復雜的定制IT解決方案來改進流程，因為當時還不存在標準化解決方案。這為Oracle、PeopleSoft、SAP等采用集成ERP的企業帶來了機遇。我們的行業目前正在經歷同樣的變化。
這些新的企業都致力于在各自特定領域提供廣泛的解決方案，但不可避免地最終得到不太大的ERP規模平臺。
還要注意中小型公司中人工智能和機器學習的采用率，這些公司不再需要大型數據科學團隊，而可以完全依賴定制的開發模型。
預測3：
數據工程師和數據分析師的崛起
這并不是說數據科學家以及不受歡迎了，遠非如此。當你缺乏某種技能時，市場會以不同的方式填補這種短缺。
一種方法是通過上文討論的行業和流程特定智能應用，這些應用程序不需要大量的內部數據科學家。
第二種方法是自動機器學習平臺在迅速涌現。這意味著效率的提高，更少的數據科學家能夠完成更多的工作。
模型的數量沒有減少，而是增加了，這將工作負荷轉移到具備兩方面技能的數據工程師上。
第一是能夠創建數據科學所需的基礎架構，如數據湖和Spark實例。
第二是采用模型，確保模型在操作系統中實現，并跟蹤模型的準確性和更新。
一些數據工程師還負責數據操作，確保數據流干凈和預處理環節。
分析平臺的另一個發展是視覺分析和數據可視化工具的發展。如今，這些工具大多與數據科學工具集完全集成，讓數據分析師和高層能從中提取更多價值，甚至指導分析工作。他們不會取代數據科學家，但強化了高級分析中的團隊作用。
預測4：
神經形態芯片：人工智能與物聯網走向前沿
兩種不同的技術同時達到半成熟階段，從而解決長期存在的延遲問題。
例如，當你想用移動設備自動將文本或圖像外來詞翻譯成其他語言時，你的設備將信號發送到云端進行翻譯，然后傳回設備。
谷歌等即時翻譯服務已經從RNN轉為專門的CNN結構，稱為時間卷積網，因為RNN 不能很好地適應大規模并行處理，而CNN可以。這樣能夠減少延遲，但仍然保證信號的完整傳輸。
解決這個問題的兩種技術之一是5G網絡。5G速度更快，但其真正的好處是能夠承載的流量密度。這能夠讓一切信息都能在互聯網上傳輸，具體的傳輸量還有待觀察。
第二種解決方案是引入新的且更好的神經形態芯片（又稱脈沖神經網絡）。我們希望這些全新的神經網絡能夠實現通用人工智能，雖然這還有很長的路要走。
如今，主要的芯片制造商和幾家初創公司都在發布現在正在發布脈沖神經芯片，專門針對芯片上的CNN和RNN型號進行了優化。其中一些還針對極低功耗進行了優化。
這些特性結合在一起非常適合將深度學習轉移到網絡邊緣的芯片上。從今年開始，隨著這些新功能的出現，物聯網和其他流媒體數據應用程序將出現爆炸式增長。
預測5：
不同的人工智能框架將學會相互交流
現在，文本、語音、圖像和視頻模型已成為主流，我們遇到了意想不到的障礙。在一個框架（Caffe2、PyTorch、Apache MXNet、Microsoft Cognitive Toolkit和TensorFlow）上構建的模型無法輕松移植到不同的框架。
幸運的是，這個痛點推動了創新。AWS、Facebook和Microsoft合作構建了開放式神經網絡交換（ONNX），使模型可以在不同的框架上實現互操作。
隨著開發人員、應用程序和設備之間共享的模型數量越來越多，ONNX將成為今年的關鍵技術。
以上就是2019年數據科學、機器學習和人工智能領域的相關預測。讓我們拭目以待，期待這些領域在今年的發展和創新。
https://www.cda.cn/?seo
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/19903.html
摘要：商業應用研究中心商業智能調查顯示，全球服務市場預計將發生重大的技術變革。年最佳商業智能趨勢與上述關于即將到來的趨勢的主張大體一致。云優先戰略可能最適合數據分析和商業智能。 圖片描述 本篇文章匯總了國外2018年商業智能領域多份權威報告，將普遍受到認同的核心觀點進行梳理，包含AI、移動BI、自助式BI、云部署、數據治理、增強型BI等多個方向，力求為讀者呈現清晰的2019年商業智能藍圖。 ...
摘要：趨勢二量子計算持續關注亞馬遜微軟和等大型云服務提供商的進展后不難發現，年云計算很可能會迎來更大的發展。因此，云計算成為一大可行的選擇，并幫助降低成本。在中國市場，年云計算將是阿里巴巴騰訊百度展開激烈中場爭奪的戰場。隨著互聯網、計算和軟件開發的進步，任何人都可以足不出戶享受到當下最前沿的一些技術。云計算帶來了業務敏捷性、可擴展性、效率和成本節約等優勢，最重要的是——它不需要任何重大的資本投資。...
摘要：所謂大數據及其相關技術在經歷了高度重視詳細甄別以及吐故納新之后，實際成果很可能與我們的認知存在較大差異。他們將探討與大數據相關的各類話題，內容涵蓋對抗販賣人口未來發展方向乃至人工智能前沿技術。 請大家不要再糾結于一塊磁盤能保存多少數據或者企業到底會不會采用Hadoop。關于大數據的真正問題在于，企業用戶將如何使用Hadoop、我們的系統到底能在智能化道路上走多遠、我們又該如何保證這一切都處于...
摘要：，，微軟顯然位居第二，占有大約的市場份額，領先于和谷歌，位列第三和阿里巴巴。與此同時，谷歌一年來情緒錯綜復雜。然而，谷歌云主管的離開，使得不久的將來成為一個有趣的未來。，對已經過度緊張的安全部門的沉重負擔。永別了，2018年，大家好，2019年：云計算的最后12個月——以及HorizonTweet2018年是另一個精彩的一年，當它涉及到云計算時，伴隨著新興的技術，這些技術補充并依賴于云。相應...
閱讀 3236·2021-11-24 10:43
閱讀 4196·2021-11-24 10:33
閱讀 3770·2021-11-22 09:34
閱讀 2124·2021-10-11 10:58
閱讀 3731·2021-10-11 10:58
閱讀 859·2021-09-27 13:36
閱讀 3578·2019-08-30 15:54
閱讀 2965·2019-08-29 18:41
