2020 год был странным, и никто не мог предсказать, что произойдет. Когда мы рассматривали актуальные темы примерно в это время в прошлом году, мы основывали их на обычных тенденциях и событиях, которых мы могли ожидать. COVID и новая норма также повлияли на развитие науки о данных и искусственного интеллекта. Больший упор был сделан на удаленное сотрудничество, и медицинские работники обратились к искусственному интеллекту, чтобы помочь в диагностике. Когда мы смотрим на 2021 год, специалисты по науке о данных и искусственному интеллекту имеют разные мнения о том, чего ожидать в предстоящем году, и вот некоторые тенденции в области науки о данных на 2021 год, на которые следует обратить внимание.
Доктор Джон Крон | Главный научный сотрудник | untapt
2020 год стал важным годом для того, чтобы обсуждение нежелательных демографических предубеждений стало основным направлением сознания сообщества машинного обучения, но впереди еще много тяжелой работы, чтобы решить эти широко распространенные проблемы.
Виолетта Мишева | Data Scientist | ABN Amro Bank
Я рад следить за всеми новыми исследованиями в области XAI, но я часто становлюсь свидетелем большого разрыва между теоретическими исследованиями и тем, что им нужно для успешного применения. Поэтому я надеюсь увидеть больше усилий в практической части XAI.
Нейт Джермейн | Data Scientist | Kobie Marketing
Я надеюсь увидеть исследование, которое лучше документирует передовой опыт техники причинного вывода. Несмотря на то, что опытные исследователи опубликовали множество знаний, есть много вопросов, на которые я не получил ответа, и которые имеют отношение к моей работе.
Даниэль Гутьеррес | Консультант по науке о данных
Я надеюсь, что ученые, работающие с данными, будут использовать свои «сверхспособности данных» более этичным образом. Больше никакого глубокого обучения для «глубоких подделок». Полиция больше не увольняет специалистов по данным и не совершает облавы за их защиту от соблюдения этических норм (например, см. Тяжелое положение Ребекки Джонс). Я советую всем моим студентам Intro to Data Science, что однажды их могут попросить использовать свои навыки работы с данными в гнусных целях и быть готовыми к принятию этического решения.
Джордан Бин | Старший аналитик, GRS North America Analytics | Взаимное страхование свободы
Я хотел бы видеть больше тренингов и исследований о том, как интегрировать науку о принятии решений и науку о данных. Мы так далеко зашли в области науки о данных, но результаты исторически формировались и предоставлялись людьми, обученными кодированию и исследованиям, а не убеждению и влиянию. Люди говорят о «единорогах-специалистах по данным», которые в равной степени занимаются технической и коммерческой деятельностью, и я надеюсь, что эти люди станут более обычным явлением в организации.
Ник Акоста | Защитник разработчиков | Fivetran
С выпуском Redshift ML и продолжающимся совершенствованием и внедрением BigQuery ML, я с нетерпением жду возможности увидеть, произойдет ли что-нибудь в этой области с открытым исходным кодом, если и как аналитика данных будет продолжать пытаться просочиться в области науки о данных, и если есть любые другие хорошо разработанные аналитические технологии, такие как хранилища данных, могут использоваться для рабочих нагрузок в области науки о данных.
Франческа Лаззери, доктор философии | Главный менеджер по Cloud Advocate, Cloud AI | Microsoft
Я надеюсь, что больше компаний будут вкладывать средства в методы машинного обучения (MLOps), чтобы повысить качество и согласованность решений машинного обучения. MLOps может помочь специалистам по данным, обеспечивая более быстрое экспериментирование и разработку моделей, и, что наиболее важно, более быстрое внедрение моделей в производство!
Керстин Фрейли | Менеджер по науке о данных, качество данных | Числитель
Истинная вовлеченность и подотчетность в ИИ, в науке о данных и в приложениях. Прошло четыре года с тех пор, как Кэти О’Нил предупредила всех нас об опасностях, которые уже возникают в результате безрассудного, унифицированного и небрежного использования машинного обучения. Я устал ждать когда-нибудь. Я устал видеть истории вроде того, что случилось с парками Ниджер. Я хочу перемен, хочу виновности и хочу последствий. И я хочу это сейчас.
Вейсел Коджаман | Ведущий специалист по данным | John Snow Labs, Inc.
Я с нетерпением жду возможности публикации высококачественных исследовательских работ в ведущих конференциях и журналах и распространения любви к открытым исходным кодом в сообществе, помогая и обучая больше людей. И мне очень хотелось бы снова отправиться в путешествие 🙂
Маттео Маника, доктор философии | Сотрудник отдела исследований в Accelerated Discovery | IBM
Я думаю, что очень многообещающей областью является применение машинного / глубокого обучения для ускорения моделирования научных вычислений. Внедрение методов для достижения доказанной теоретической сходимости приближений нейронных сетей для решений может коренным образом изменить широкий спектр отраслей, в которых НИОКР в значительной степени основаны на таком моделировании.
Джордж Уильямс | Директор по науке о данных и встроенному машинному обучению | GSI Technology
Передовой опыт внедрения науки о данных и машинного обучения в 2020 году стал таким же важным, как разработка программного обеспечения и кибербезопасность. Я считаю, что вы услышите гораздо больше об инициативах DevSecAIOps на предприятии в 2021 году.
Доктор Кирк Борн | Главный специалист по данным и исполнительный советник | Выпивка Халлен Гамильтон
В 2021 году я ожидаю новых разработок в области периферийных вычислений, включая машинное обучение на кристалле (нейронные процессоры, процессоры обнаружения аномалий и паттернов), автономные сенсорные устройства (принятие решений на основе данных в точке сбора данных, встроенное в приложения IoT и IIoT) и совместные сети таких устройств (коллективный разум на периферии, обеспечиваемый сетевыми коммуникациями 5G).
Как подготовиться к трендам 2021 года в науке о данных
Благодаря новым инструментам, опыту и целям, упомянутым выше, есть еще много чего узнать о тенденциях в области науки о данных на период до 2021 года. Продвинуться вперед поможет дальнейшее образование и обучение.
Оформив подписку на Платформу обучения Ai +, вы получите доступ к обучающим курсам в реальном времени и по запросу в течение года, каждый из которых посвящен востребованным знаниям в области науки о данных, основным концепциям и навыкам, а также многому другому.
Прочтите больше статей по науке о данных на OpenDataScience.com, включая учебные пособия и руководства от новичка до продвинутого уровня! Подпишитесь на нашу еженедельную рассылку здесь и получайте последние новости каждый четверг. Вы также можете пройти обучение по науке о данных по запросу, где бы вы ни находились, с нашей платформой Ai + Training.
