Vsebina
Vir: Maksym Yemelyanov / Dreamstime.com
Odvzem:
V letu 2019 lahko pričakujete veliko sprememb in veliko izvajanja AI na področju znanosti o podatkih.
Znanost o podatkih se hitro spreminja. Novi napredek AI in strojnega učenja pomeni, da je mogoče podatke uporabiti na povsem nove načine in v sistemih za modeliranje brez primere narediti veliko več, kot je bilo mogoče pred nekaj leti. Oblak je tudi novo obdobje znanosti o podatkih, tako da je programska oprema postala bolj prenosna in vsestranska.
Techopedia je strokovnjake vprašala, kaj bomo morda videli v prihodnjem letu. Tukaj je nekaj, kar bo verjetno prišlo na pot v letu 2019.
»Povpraševanje po pametnih analitičnih aplikacijah bo na novo opredelilo prakse s podatki o podjetjih: Podjetja so v tekmi, da postanejo podjetja, ki temeljijo na podatkih, vendar je bil le majhen del vrednosti napredne analitike odklenjen. V letu 2019 bo veliko povpraševanja po novih novostih okrog pametnih analitičnih aplikacij, ki jih poganjajo sprotne interakcije, vgrajena analitika in AI. …
„Vzpon podatkovnega inženirja v podjetju postavlja AI na prvo mesto: lansko leto je bilo leto podatkovnega znanstvenika. Podjetja so se močno osredotočila na najem in opolnomočenje podatkovnih znanstvenikov za ustvarjanje naprednih modelov analitike in strojnega učenja. 2019 je leto podatkovnega inženirja. Podatkovni inženirji… so specializirani za prevajanje dela podatkovnih znanstvenikov v utrjene programske rešitve, ki temeljijo na podatkih. To vključuje ustvarjanje poglobljenih procesov razvoja, testiranja, posvečevanja in revizije AI, ki podjetju omogočajo vključitev AI in cevovodov podatkov v obsegu po podjetju.
„Človeško in strojno učenje oblikujeta simbiotični odnos za spodbujanje poslovnih odločitev v realnem času: v letu 2019 se bo moral svet AI in analitike zbližati, da bodo lahko vodile bolj smiselne poslovne odločitve. Za to bo potreben skupen pristop za združevanje zgodovinske serijske analize, pretočne analitike, lokacijske inteligence, analitike grafov in umetne inteligence v eni sami platformi za kompleksno analizo. Končni rezultat je nov model za združevanje ad-hoc analize in strojnega učenja, ki omogoča boljši vpogled hitreje kot doslej. "
- Nima Negahban, CTO in soustanovitelj, Kinetica
Brez napak, brez stresa - vaš korak za korakom vodnik za ustvarjanje programske opreme, ki spreminja življenje, ne da bi vam uničila življenje
Ne morete izboljšati svojih programskih veščin, kadar nikogar ne skrbi za kakovost programske opreme.
»Razvijalci se naučijo, da potrebujejo prijatelja znanstvenika.
"Razvijalci ne bodo postali znanstveniki podatkov - eden piše kodo, razmišlja matematiko in modele. Toda razvijalci bodo morali vedno bolj razumeti metodologije podatkovnih podatkov in vključevati modele znanosti o podatkih v svoj potek dela. Podatki naredijo programsko opremo bolj inteligentno in ji omogočajo napovedovanje rezultatov ali predvidevanje potreb uporabnikov s pomočjo strojnega učenja. Zato razvijalci vse pogosteje potrebujejo novo raven partnerstva z znanstveniki, ki se ukvarjajo s podatki, da bi se to lahko uresničilo. Razvijalci lahko razkrijejo modele podatkovnih znanstvenikov prek API-jev in jih vgradijo v aplikacije, specifične za domeno, da resnično prinesejo spremembe.
»Razmislite o prodajalcu, ki se skuša pametno odločiti, iz katere trgovine z opekami in maltami bodo izpolnjena naročila za e-trgovino. Znanstvenik lahko ustvari model, ki izračuna optimalno trgovino, iz katere bo odposlan, tako da podjetje pošlje pulover, ki bi verjetno sedel na polici v trgovini na toplem mestu, namesto tistega, ki ga bo verjetno kupil nakupovalni kupec v hladnih območjih. Razvijalec lahko tovrstno inteligenco potegne v aplikacijo za izpolnitev in jo da v roke zaposlenih, da se pravilno odločijo. "
- Siddhartha Agarwal, podpredsednik, upravljanje izdelkov in strategija, Oracle Cloud Platform
»V letu 2019 bo umetna inteligenca (AI) in strojno učenje (ML) skoraj dosegla svoj polni potencial s hitrejšim povezovanjem in obdelavo podatkov prek globalne distribucije robnih računalniških platform. Vpogled v AI in ML je bil vedno na voljo, vendar je mogoče, da uporabljamo nekoliko počasneje, kot je potrebno na oblačnih platformah ali tradicionalnih podatkovnih centrih. Zdaj lahko zmogljivosti za računanje in shranjevanje premaknemo bližje mestu, kjer se podatki pridobivajo in obdelujejo, kar podjetjem, organizacijam in vladnim agencijam omogoča sprejemanje modrejših in hitrejših odločitev. To že vidimo v načinu, kako letalske družbe gradijo in servisirajo letala, vladne obrambne agencije se odzivajo na hekerje in kako osebni pomočniki dajejo priporočila za prihodnje spletne nakupe. Letos bo po zaslugi AI in ML končno kdo vedel, če si tisti poseben resnično želi pomivalnik sadja ali napajalnik. "
- Alan Conboy, urad CTO, Računalništvo v lestvicah
„2019 se zdi, kot da bo to leto analitike, strojnega učenja in AI. Ta orodja so že na voljo, čeprav je njihovo sprejemanje pogosto zamujalo, ker te nove zmogljivosti niso mogli uskladiti z ustreznimi novimi postopki in praksami SOC. Naslednje leto naj bi se nekateri pretendenti - tisti, ki trdijo, da uporabljajo te tehnike, vendar dejansko uporabljajo prikrivanje in opozarjanje zadnje generacije prikrite - odpravili, kar bo omogočilo, da bodo resnični inovatorji na tem področju začeli prevladovati. To bo verjetno vodilo do nekaterih pridobitev, saj si prizadevajo veliki proizvajalci, ki so se borili za razvoj te tehnologije, namesto nje. 2019 je leto za vlaganje v zagonske strojne tehnologije, ki prikazujejo resnične sposobnosti. "
- Stephen Gailey, arhitekt rešitev, Exabeam
"Ko AI in ML postanejo mainstream, se bo v letu 2019 pojavila nova vrsta znanstvenikov o varnostnih podatkih: tehnike AI in ML so odvisne od podatkov. Priprava, obdelava in interpretacija podatkov od znanstvenikov zahteva, da so polimati. Poznati morajo računalništvo, podatkovne vede, predvsem pa morajo imeti strokovno znanje o domeni, da lahko iz dobrih podatkov povedo slabe podatke in slabe rezultate. To, kar smo že začeli opažati, so potrebe po varnostnih strokovnjakih, ki razumejo podatke o podatkih in računalništvu, da bi lahko najprej razumeli varnostne podatke, ki so nam danes na voljo. Ko bodo ti podatki pripravljeni, obdelani in interpretirani, jih lahko nato AI in ML tehnike uporabijo za avtomatizacijo varnosti v realnem času. "
- Setu Kulkarni, podpredsednik za korporativno strategijo, WhiteHat
»Pri razvoju programske opreme bosta leta 2019 velika zgodba strojno učenje in AI. Kakovost programske opreme bo v prihodnjem letu toliko enaka temu, kaj lahko strojno učenje in AI dosežejo kot vse drugo. V preteklosti so bili postopki dostave zasnovani tako, da zmanjšujejo ali odstranjujejo odpadke, vendar menim, da je to zastareli, napol prazen način gledanja postopka. Letos, če želimo v celoti izkoristiti ti dve tehnologiji, moramo razumeti, da je nasprotno od odpadkov vrednost in zavzeti se moramo za stekleno napol polno stališče, da postanejo učinkovitejši pomeni večjo vrednost, ne pa zmanjšanje odpadkov.
"Ko se to gledišče vključi v naš M.O., bomo lahko nenehno izboljševali svoj pogled na boljše izboljšanje, hitrejše odzivanje in predvidevanje potreb strank. Ko bomo nadalje integrirali in izkoristili strojno učenje in AI, bomo spoznali, da je za izboljšanje vrednosti potrebna napovedna analitika. Predvidevalna analitika omogoča simulacije dovoda, ki temelji na parametrih in možnostih, tako da vam ni treba "metati" organizacije, da bi našli pot do izboljšav. Boste lahko praktično izboljšali, se naučili lekcije s simulacijami in, ko boste pripravljeni, uvedli nove izdaje, za katere ste prepričani, da bodo delovale.
»Progresivne organizacije bodo v letu 2019 dejavne s simulacijo. Če bodo lahko simulirali izboljšave cevovoda, se bodo nenehno izboljševale hitreje. "
- Bob Davis, CMO, Plutona
»V letu 2019 poiščite, da bodo podatkovne skupine postale bolj izpopolnjene, ko bodo terenske zorele, saj se bodo razvijale za delo z večjimi nabori podatkov in vključevale nove tehnike v svoj potek dela. Napredni jeziki, kot sta R in Python, so postali bolj kritičen del vsakodnevne analize in bi morali biti osrednji del strategije "dan nič" pri gradnji vseh tehnoloških sklopov. "
- Harry Glaser, izvršni direktor, Podatki o periskopu
"Pričakujem, da bom široko sprejela metodo, o kateri sem nedavno pisal, Mešano formalno učenje. Podjetjem omogoča ustvarjanje AI sistemov z izjemno natančnostjo in nič ali majhnimi količinami podatkov o usposabljanju. S stališča surovin čista gora izpušnih podatkov, potrebnih za usposabljanje in preizkušanje rešitev AI, mnogim podjetjem preprečuje vstop v dirko AI.
»Vsaj dve podjetji, Google in Glynt.ai, sta pokazali čudovite rezultate z uporabo mešanega formalnega učenja. Glynt.ai uporablja to metodo za pridobivanje podatkov iz nestrukturiranih dokumentov z manj kot 10 primeri usposabljanja. Rezultat je približno 98-odstotna natančnost: boljša kot ekipa dveh uradnikov za vnos podatkov. Prejšnje izvedbe bi bile ponosne, če bi potrebovale 1.000 primerov, da bi lahko opravile isto nalogo z natančnostjo 95%. "
- Sandra Carrico, podpredsednica inženiringa in glavna podatkovna znanstvenica pri Glynt.ai (poslovna enota v WattzOn)
"Če moram napovedati, kaj bo veliko v letu 2019, bi rekel AI - mislim, da dobro vidim veliko boljše virtualne pomočnike in boljše klepete. Pri AI je stvar, da se mi, potrošniki, ne zavedamo hitrosti rasti tehnologije in njenih aplikacij, ker deluje zakulisno.
"Tudi blockchain je velik in postaja vse večji. Zaenkrat nima aplikacij za podatkovno znanost, vendar me ne bo presenetilo, če se bo v letu 2019 začelo. Zagotovo bi lahko vse to decentralizirano shranjevanje uporabili za velike podatke. "
- Vania Nikolova, dr. na področju matematične analize, vodja analitike podatkov pri RunRepeat.com
„Nedavne obsežne naložbe v znanstvene podatke bi morale v naslednjih nekaj letih bistveno spremeniti okolje družbenih medijev. Kot prodajalec družabnega poslušanja opažamo porajajoče se zanimanje za tehnologije prepoznavanja slik z AI, ki so jih uvedli veliki prodajalci SML. Te že uporabljajo nekatere blagovne znamke, ki že zgodaj sprejemajo inovatorje in so pripravljene na svetovno povpraševanje.
»Ta tehnologija prinaša povsem novo raven marketinškega vpogleda za blagovne znamke in agencije potrošnikov. Pomaga jim razumeti boljši okus svojih potrošnikov - čeprav blagovna znamka v objavah na družbenih medijih ni omenjena izrecno. To je odličen način, da trgovci in strokovnjaki za družbene medije izvejo več o situacijah s porabo izdelkov in odkrijejo dragocene vpoglede potrošnikov. "
- Aleksander Sirach, soustanovitelj pri YouScan (Platforma za poslušanje socialnih medijev na AI)
„V letu 2019 opažamo, da se povpraševanje po platformah za podatkovne cevovode drastično povečuje. Znanost podatkov pogosto primerjamo z bumom razvoja programske opreme, kjer je GitHub in druge platforme za razvoj programske opreme močno vplivalo na razvojno področje. Vidimo, da platforme za znanost podatkov eskalirajo in izkoriščajo področje znanosti o podatkih. "
- Yochay Ettun, predsednik uprave in soustanovitelj podjetja cnvrg.io in strokovnjak za podatkovno znanost in strojno učenje
„Napovedujemo, da bo leto 2019 leto, ko gre za znanost podatkov. Številne naše stranke in partnerji so v letu 2018 začeli poglobiti poglobljene pobude znanosti o podatkih in menimo, da hitro narašča, da se do konca leta 2019. informacijska znanost vključi v celotno organizacijsko odločanje in politiko. "
- Sam Underwood, podpredsednik poslovne strategije z Prihodnost, agencija za analitiko in trženje s sedežem v Ohiu