2019年数据科学、机器学习和AI的五大预测
极客时间编辑部
讲述：丁婵大小：2.76M时长：03:01
在过去一整年，Data Science Central 的编辑总监比尔（Bill）一直在观察和报道关于数据科学、机器学习和人工智能的趋势，并且搜索了网络，咨询了一些专家以了解其他人的想法。最终总结出了对 2019 年关于数据科学、机器学习和人工智能的五大预测。
1. 数据变得比算法更重要
围绕数据的服务产品将在今年有望大幅增长。随着各个企业踏上数字化转型之旅，拥有更多更好的数据是成功的关键，而我们正处于这样的时期。实际上，这给向不同方向发展的数据相关的解决方案提供了竞争机会。
一方面，获取准确标记的图像或文本训练数据仍然相当昂贵和耗时。另一方面是对第三方数据的访问。第三个方面是自动跟踪和记录模型中所用的数据源。
2. 随着人工智能 / 机器学习从分析平台转移到特定于行业或流程的应用程序，一切都将变得更容易。
纵观人工智能 / 机器学习初创企业的世界，就能看出竞争正在转向特定于行业或流程的应用程序。这些应用程序或迷你平台专注于解决行业中特定的业务问题，如市场营销、B2B 销售、医疗保健、金融科技以及其他大约十几个已经明确定义的领域。
3. 数据工程师和数据分析师的兴起
这个世界并没有抛弃数据科学家。但是，当缺乏拥有某种技能的人才时，市场会用另外的方式来填补，以减轻由此带来的痛苦。
其中一种方式是通过特定于行业和流程的智能应用程序来解决问题，这些应用程序不需要大量的内部数据科学家。第二个就是所有主流分析平台正在做的事和快速涌现的数十个自动机器学习（AML）平台。那就是在数据科学中更有效率，也就是说，只需要较少的数据科学家就可以做很多工作。
4. 神经晶片：人工智能来到物联网边缘
新型神经晶片又称脉冲神经网络（spiking neural networks）。我们希望这些全新的神经网络架构可以成为实现人工通用智能（Artificial General Intelligence，简称 AGI）的途径，这还有很长的路要走。
5. 不同的人工智能框架之间开始交互
现在，文本、语音、图像和视频模型正在成为主流。AWS、脸书和微软合作构建了开放式神经网络交换 ONNX（Open Neural Network Exchange），使模型可以在不同的框架上互操作。
随着在开发人员、应用程序和设备之间共享的模型的数量变得越来越多，ONNX 正在成为未来一年的关键技术。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论