Съдържание
Източник: Максим Емелянов / Dreamstime.com
За вкъщи:
Можете да очаквате през 2019 г. да видите много промени и много реализация на ИИ в областта на науката за данни.
Науката за данните бързо се променя. Новият напредък в AI и машинното обучение означава, че данните могат да бъдат приложени по съвсем нови начини и в безпрецедентни системи за моделиране, за да се направи много повече, отколкото беше възможно само преди няколко години. Облакът също въвежда нова ера в науката за данни, като прави софтуера по-преносим и универсален.
Техопедия попита експертите какво може да видим през следващата година. Ето някои от най-вероятните стъпки през 2019 г.
„Търсенето на интелигентни аналитични приложения ще предефинира практиките на корпоративните данни: Предприятията са в надпревара да станат предприятия, задвижвани от данни, но само малка част от стойността на напредналата аналитика е отключена. През 2019 г. ще има голямо търсене на нови иновации около интелигентни аналитични приложения, които се движат от взаимодействия в реално време, вградена аналитика и AI. ...
„Възходът на инженера за данни извежда AI на преден план в рамките на предприятието: Миналата година беше годината на учения за данни. Предприятията се съсредоточиха силно върху наемането и овластяването на учени с данни за създаване на модерни модели за анализ и машинно обучение. 2019 г. е годината на инженера за данни. Инженерите на данни ... се специализират в превеждането на работата на учените по данни в закалени, базирани на данни софтуерни решения за бизнеса. Това включва създаване на задълбочени процеси за разработване, изпитване, депетиране и одит на ИИ, които дават възможност на компанията да включи AI и тръбопроводи за данни в мащаб в предприятието.
„Човешкото и машинното обучение формират симбиотични взаимоотношения за задвижване на бизнес решения в реално време: През 2019 г. светът на ИИ и аналитиката ще трябва да се сближи, за да се постигнат по-смислени бизнес решения. Това ще изисква общ подход за комбиниране на исторически партидни анализи, поточна анализа, интелигентност на местоположението, графична анализа и изкуствен интелект в една единствена платформа за комплексен анализ. Крайният резултат е нов модел за комбиниране на ad-hoc анализ и машинно обучение, за да се предоставят по-добри познания по-бързо от всякога. “
- Нима Негабан, технически директор и съосновател, Kinetica
Без грешки, без стрес - Вашето стъпка по стъпка ръководство за създаване на софтуер, променящ живота, без да разрушава живота ви
Не можете да подобрите уменията си за програмиране, когато никой не се интересува от качеството на софтуера.
„Разработчиците научават, че се нуждаят от приятел учен с данни.
„Разработчиците няма да станат учени за данни - човек пише код, мисли за математика и модели. Но девите ще трябва все повече да разбират методологиите на науката за данни и да интегрират моделите на науката за данни в своя работен процес. Данните правят софтуера по-интелигентен, като му дава възможност да прогнозира резултатите или да предвижда нуждите на потребителите чрез машинно обучение. Така че разработчиците все повече се нуждаят от ново ниво на партньорство с учени по данни, за да направят страхотна работа. Разработчиците могат да разкрият моделите на учените за данни чрез API и да ги вграждат в приложения, специфични за домейна, за да предизвикат наистина промени.
„Помислете, че търговецът на дребно се опитва интелигентно да реши от кой магазин за тухли и хоросани да изпълнява поръчките за електронна търговия. Учен с данни може да създаде модела, който изчислява оптималния магазин, от който да бъде доставен, така че компанията да изпрати пуловер, който е вероятно да седи на рафта в магазин на топло място, а не този, който вероятно ще бъде закупен от магазин в магазина във фригидни райони. Разработчикът би могъл да привлече този вид интелигентност в приложение за изпълнение и да го постави в ръцете на служителите, за да вземе правилното решение. "
- Сидхарта Агарвал, вицепрезидент по управление на продуктите и стратегия, Облачна платформа Oracle
„През 2019 г. изкуственият интелект (AI) и машинното обучение (ML) почти ще достигнат пълния си потенциал, като свързват и обработват данни по-бързо при глобално разпространение на крайни компютърни платформи. Проучванията за AI и ML винаги са били на разположение, но е възможно да се използва малко по-бавно от необходимото при облачните платформи или традиционните центрове за данни. Сега можем да преместим възможностите за изчисляване и съхранение по-близо до мястото, където се извличат и обработват данни, което дава възможност на компании, организации и правителствени агенции да вземат по-мъдри и по-бързи решения. Вече виждаме това в начина, по който авиокомпаниите изграждат и обслужват самолети, правителствените агенции по отбрана реагират на хакери и как личните асистенти дават препоръки за бъдещи онлайн покупки. Тази година, благодарение на AI и ML, някой най-накрая ще разбере дали този специален човек наистина иска торта или шайба за захранване. "
- Alan Conboy, офис на CTO, Мащабно изчисляване
„2019 изглежда, че ще бъде годината на аналитиката, машинното обучение и ИИ. Тези инструменти вече са налични, въпреки че тяхното усвояване често се забавя поради неуспех да се съпоставят тези нови възможности с подходящи нови работни процеси и SOC практики. Следващата година трябва да видим някои от претендентите - тези, които твърдят, че използват тези техники, но в действителност използвайки прикриване на последното поколение техники за прикриване - отпадат, което позволява на истинските новатори в тази област да започнат да доминират. Това вероятно ще доведе до някои придобивания, тъй като големите компании, които са се борили да развият тази технология, се стремят да я купят вместо това. 2019 е годината да инвестираме в стартъпи за сигурност на машинно обучение, демонстриращи реални възможности. “
- Стивън Гайли, архитект на решения, Exabeam
„Тъй като AI и ML стават мейнстрийм, през 2019 г. ще се появи нова порода учени за данни за сигурността: техниките на AI и ML са зависими от данните. Подготовката, обработката и интерпретацията на данните изискват учените от данни да бъдат полима. Те трябва да познават компютърните науки, науката за данни и най-вече, трябва да имат експертен опит в областта на домейните, за да могат да казват лоши данни от добри данни и лоши резултати от добри резултати. Това, което вече започнахме да виждаме, е необходимостта от експерти по сигурността, които разбират информацията и информатиката, за да могат първо да осмислят данните за сигурността, с които разполагаме днес. След като тези данни са подготвени, обработени и интерпретирани, след това те могат да бъдат използвани от AI и ML техники за автоматизиране на сигурността в реално време. “
- Сетю Кулкарни, вицепрезидент по корпоративна стратегия, Бяла шапка
„В разработването на софтуер голямата история през 2019 г. ще бъде машинното обучение и ИИ. През следващата година качеството на софтуера ще бъде толкова много за това, което машинното обучение и AI могат да постигнат, както всичко друго. В миналото процесите на доставка са проектирани така, че да намалят или елиминират отпадъците, но за мен това е остарял, чак полупразен начин за гледане на процеса. Тази година, ако искаме да се възползваме напълно от тези две технологии, трябва да разберем, че обратното на отпадъците е стойност и да възприемем огледалото до половината, което става по-ефективно означава увеличаване на стойността, а не намаляване на отпадъците.
„След като тази гледна точка стане вградена в нашия M.O., ще можем да настроим своите гледни точки за подобряване чрез непрекъснато подобрение, по-бърза реакция и предвиждане на нуждите на клиентите. Докато допълнително интегрираме и се възползваме от машинното обучение и ИИ обаче, ще разберем, че подобряването на стойността изисква прогнозна анализа. Анализът за прогнозиране позволява симулиране на тръбопровода за доставка въз основа на параметрите и наличните опции, така че не е нужно да „премазвате“ организацията, за да намерите пътя към подобрение. Ще можете да подобрите виртуално, да научите уроци чрез симулации и, когато сте готови, да внедрите нови версии, за които можете да сте убедени, че ще работят.
„Прогресивните организации през 2019 г. ще бъдат активни чрез симулация. Ако успеят да симулират подобрения в тръбопровода, те непрекъснато ще се подобряват по-бързо. “
- Боб Дейвис, ООП, Plutora
„През 2019 г. потърсете екипи от данни, които да станат по-усъвършенствани, тъй като полето им отлежава, като се развива за работа с по-големи масиви от данни и интегриране на нови техники в работния им процес. Разширените езици като R и Python се превърнаха в по-критичната част от ежедневния анализ и би трябвало да бъдат централно място в стратегията „ден нула“ при изграждането на всеки технологичен стек. “
- Хари Глазер, изпълнителен директор, Данни от перископа
„Очаквам да видя широко приложение на метод, за който неотдавна писах,„ Смесено формално обучение “. Тя дава възможност на компаниите да създават AI системи с изключителна точност и нулеви или малки количества данни за обучение. От гледна точка на суровините, чистата планина от изчерпване на данни, необходима за обучение и тестване на AI решения, пречи на много компании да влязат в състезанието на AI.
„Поне две компании, Google и Glynt.ai, демонстрираха невероятни резултати, използвайки смесено формално обучение. Glynt.ai използва този метод за извличане на данни от неструктурирани документи с по-малко от 10 примера за обучение. Резултатът е точност от около 98%: по-добър от екип от двама чиновници за въвеждане на данни. Предишните изпълнения биха се горделили, ако им трябват 1000 примера, за да направят същата задача с точност от 95%. "
- Сандра Карико, вицепремиер и главен учен по данни в Glynt.ai (бизнес единица от WattzOn)
„Ако трябва да предскажа какво ще бъде голямо през 2019 г., бих казал AI - мисля, че виждам много по-добри виртуални асистенти и по-добри чатботи. Работата с AI е, че ние, потребителите, не сме наясно с темповете на растеж на технологията и нейните приложения, защото тя работи зад кулисите.
„Освен това блокчейнът е голям и става все по-голям. Засега няма приложения в науката за данни, но няма да се изненадам, ако през 2019 г. започне да има. Със сигурност цялото това децентрализирано хранилище може да бъде използвано за обслужване на големи данни. "
- Ваня Николова, д.м.н. по математически анализ, ръководител на Анализ на данни в RunRepeat.com
„Последните масирани инвестиции в науката за данни трябва значително да променят пейзажа на социалните медии през следващите няколко години. Като доставчик на социално слушане виждаме възникващ интерес към технологиите за разпознаване на изображения, задвижвани с AI, въведени от големите SML доставчици. Те вече се използват от някои марки, които са рано възприемащи и новатори и са готови за глобално търсене.
„Тази технология носи съвсем ново ниво на маркетингова информация за потребителските марки и агенции. Това им помага да разберат по-добре вкусовете на своите потребители - въпреки че марката не е спомената изрично в публикациите им в социалните медии. Това е отличен начин маркетолозите и специалистите в социалните медии да научат повече за ситуациите на потребление на продукти и да разкрият ценни потребителски мнения. "
- Александър Сирах, съосновател в YouScan (AI-захранвана платформа за слушане на социални медии)
„През 2019 г. наблюдаваме драстично увеличаване на търсенето на платформи за научни данни за данни. Ние често сравняваме науката за данни с бума на разработката на софтуер, където GitHub и други платформи за разработка на софтуер драстично повлияха на областта на развитие. Виждаме платформи за научни данни да ескалират и да използват предимно полето на науката. “
- Йочай Етън, главен изпълнителен директор и съосновател на cnvrg.io и експерт в областта на науката за данни и машинното обучение
„Прогнозираме, че 2019 г. ще бъде годината, в която науката за данни ще се превърне в основна. Много от нашите клиенти и партньори започнаха да пускат гумите по по-задълбочени инициативи в областта на научните данни през 2018 г. и смятаме, че нараства бързината за интегриране на науката за данни в процеса на вземане на решения и политика в рамките на цялата организация до края на 2019 г. “
- Сам Андервуд, вицепрезидент по бизнес стратегия с Futurety, базирана в Охайо агенция за анализи и маркетингови данни