Indhold
Kilde: Maksym Yemelyanov / Dreamstime.com
Tag væk:
Du kan forvente at se en masse ændringer og en masse AI-implementering inden for datavidenskab i 2019.
Datavidenskab ændrer sig hurtigt. Nye fremskridt inden for AI og maskinlæring betyder, at data kan anvendes på helt nye måder og i hidtil usete modelleringssystemer til at gøre meget mere, end det var muligt for bare få år siden. Skyen indleder også en ny æra inden for datavidenskab ved at gøre software mere bærbar og alsidig.
Techopedia spurgte eksperterne, hvad vi måtte se i det kommende år. Her er noget af, hvad der sandsynligvis kommer vores vej i 2019.
”Efterspørgsel efter smarte analytiske applikationer omdefinerer virksomhedsdatapraksis: Virksomheder kæmper for at blive datadrevne virksomheder, men alligevel er kun en lille brøkdel af værdien af avanceret analyse blevet låst op. I 2019 vil der være stor efterspørgsel efter nye innovationer omkring smarte analytiske applikationer, der er drevet af realtidsinteraktioner, indlejret analyse og AI. ...
”Dataingeniørens stigning bringer AI i spidsen inden for virksomheden: Sidste år var dataforskerens år. Virksomheder fokuserede stærkt på at ansætte og styrke dataforskere til at skabe avancerede analyser og maskinlæringsmodeller. 2019 er dataingeniørens år. Dataingeniører ... har specialiseret sig i at oversætte dataforskernes arbejde til hærdede, datadrevne softwareløsninger til virksomheden. Dette indebærer at skabe dybdegående AI-udvikling, -test, devops og revisionsprocesser, der gør det muligt for en virksomhed at inkorporere AI- og datarørledninger i skala overalt i virksomheden.
”Menneskelig og maskinlæring danner symbiotisk forhold til at drive forretningsbeslutninger i realtid: I 2019 er verden af AI og analytics nødt til at konvergere for at drive mere meningsfulde forretningsbeslutninger. Dette vil kræve en fælles tilgang til at kombinere historisk batchanalyse, streaminganalyse, placeringsintelligens, grafanalyse og kunstig intelligens i en enkelt platform til kompleks analyse. Slutresultatet er en ny model til at kombinere ad-hoc-analyse og maskinlæring for at give bedre indsigt hurtigere end nogensinde før. ”
- Nima Negahban, CTO og medstifter, Kinetica
Ingen fejl, ingen stress - Din trinvis vejledning til oprettelse af livsændrende software uden at ødelægge dit liv
Du kan ikke forbedre dine programmeringsevner, når ingen er interesseret i softwarekvalitet.
”Udviklere lærer, at de har brug for en dataforskerens ven.
”Udviklere vil ikke blive datavidenskabsmænd - man skriver kode, man tænker i matematik og modeller. Men devs vil i stigende grad være nødt til at forstå datavidenskabelige metoder og at integrere datavidensmodeller i deres arbejdsgang. Data gør software mere intelligent, hvilket giver dem mulighed for at forudsige resultater eller forudse brugerbehov gennem maskinlæring. Så udviklere har i stigende grad brug for et nyt niveau af partnerskab med dataforskere for at få et stort arbejde til at ske. Udviklere kan udsætte dataforskernes modeller via API'er og integrere dem i domænespecifikke apps for virkelig at drive ændring.
”Overvej en detailhandler, der forsøger intelligent at beslutte, hvilken mursten og mørtelbutik, der skal opfylde e-handelsordrer fra. En dataforsker kan oprette en model, der beregner den optimale butik, hvorfra der skal sendes, så virksomheden sender den trøje, der sandsynligvis sad på hylden i en butik i et varmt sted, snarere end den, der sandsynligvis vil blive købt af en shopper i butik i frigide områder. En udvikler kunne trække den slags intelligens ind i en opfyldelsesapp og lægge den i medarbejdernes hænder for at tage den rigtige beslutning. ”
- Siddhartha Agarwal, vicepræsident, produktstyring og strategi, Oracle Cloud Platform
”I 2019 vil kunstig intelligens (AI) og maskinindlæring (ML) næsten nå sit fulde potentiale ved at forbinde og behandle data hurtigere over en global distribution af edge computing-platforme. AI- og ML-indsigter har altid været tilgængelige, men muligvis gearet lidt langsommere end nødvendigt over skyplatforme eller traditionelle datacentre. Nu kan vi flytte computer- og lagringsfunktionerne tættere på, hvor data hentes og behandles, hvilket gør det muligt for virksomheder, organisationer og offentlige agenturer at træffe klogere og hurtigere beslutninger. Vi ser allerede dette på den måde, flyselskaber bygger og servicerer fly, de offentlige forsvarsagenturer reagerer på hackere, og hvordan personlige assistenter fremsætter henstillinger til fremtidige online køb. I år, takket være AI og ML, vil nogen endelig vide, om den specielle person virkelig ønsker en frugtkage eller en kraftvaskemaskine. ”
- Alan Conboy, CTO's kontor, Skala computing
”2019 ser ud til at være året for analyse, maskinindlæring og AI. Disse værktøjer er allerede tilgængelige, skønt deres brug ofte er blevet forsinket af en manglende overensstemmelse med disse nye muligheder med passende nye arbejdsgange og SOC-fremgangsmåder. I det næste år skulle nogle af de foregangsmænd - dem, der hævder at bruge disse teknikker, men faktisk bruger den sidste generations korrelation og alarmteknikker i forklædning - falde væk, så de rigtige innovatører på dette felt kan begynde at dominere. Dette vil sandsynligvis føre til nogle erhvervelser, da de store etablerede selskaber, der har kæmpet for at udvikle denne teknologi, søger at købe den i stedet. 2019 er året for at investere i startup af maskinlæringssikkerhed, der demonstrerer reelle kapaciteter. ”
- Stephen Gailey, løsningsarkitekt, Exabeam
”Efterhånden som AI og ML bliver mainstream, dukker en ny race af sikkerhedsdataforskere op i 2019: AI- og ML-teknikker er dataafhængige. Forberedelse, behandling og fortolkning af data kræver dataforskere at være polymath. De er nødt til at vide datalogi, datavidenskab og frem for alt skal have domæneekspertise for at kunne fortælle dårlige data fra gode data og dårlige resultater fra gode resultater. Det, vi allerede er begyndt at se, er behovet for, at sikkerhedseksperter, der forstår datavidenskab og datalogi, først kan forstå de sikkerhedsdata, der er tilgængelige for os i dag. Når disse data er forberedt, behandlet og fortolket, kan de derefter bruges ved AI- og ML-teknikker til at automatisere sikkerhed i realtid. ”
- Setu Kulkarni, næstformand for forretningsstrategi, WhiteHat
”I softwareudvikling vil den store historie i 2019 være maskinlæring og AI. I det kommende år handler softwarens kvalitet lige så meget om, hvad maskinlæring og AI kan udføre som noget andet. Tidligere er leveringsprocesser designet til at være magre og reducere eller fjerne affald, men for mig er det en forældet, glas-halvtom måde at se processen på. I år, hvis vi ønsker at udnytte disse to teknologier fuldt ud, er vi nødt til at forstå, at det modsatte af affald er værdi og tage det halvt fulde syn på, at det at blive mere effektiv betyder at øge værdien snarere end at reducere affaldet.
”Når dette synspunkt bliver indgroet i vores M.O., vil vi være i stand til at sætte vores syn på at blive bedre gennem kontinuerlig forbedring, være hurtigere at reagere og foregribe kundernes behov. Når vi yderligere integrerer og drager fordel af maskinlæring og AI, vil vi dog indse, at forbedring af værdien kræver forudsigelig analyse. Forudsigelig analyse tillader simuleringer af leveringspipelinjen baseret på tilgængelige parametre og muligheder, så du behøver ikke at "smadre" organisationen for at finde vejen til forbedring. Du vil være i stand til at forbedre virtuelt, lære lektioner gennem simuleringer og, når du er klar, implementere nye udgivelser, som du kan være overbevist om at fungerer.
”Progressive organisationer i 2019 vil være proaktive gennem simulering. Hvis de kan simulere forbedringer af rørledningen, forbedres de kontinuerligt hurtigere. ”
- Bob Davis, CMO, Plutora
”I 2019 skal du se efter datateams, der bliver mere sofistikerede, efterhånden som deres felt modnes, og udvikler sig til at arbejde med større datasæt og integrere nye teknikker i deres arbejdsgang. Avancerede sprog som R og Python er blevet en mere kritisk del af hverdagens analyse og bør være et centralt element i 'dag nul' strategien, når du bygger en teknologistapel. '
- Harry Glaser, administrerende direktør, Periskopedata
”Jeg forventer at se udbredt vedtagelse af en metode, som jeg for nylig skrev om, blandet formel læring. Det gør det muligt for virksomheder at oprette AI-systemer med enestående nøjagtighed og nul eller små mængder træningsdata. Ud fra råvaresynspunkt forhindrer det store bjerg af dataudstødning, der kræves for at træne og teste AI-løsninger, mange virksomheder i at deltage i AI-løbet.
”Mindst to virksomheder, Google og Glynt.ai, har demonstreret spektakulære resultater ved hjælp af blandet formel læring. Glynt.ai bruger denne metode til at udtrække data fra ustrukturerede dokumenter med færre end 10 træningseksempler. Resultatet er nøjagtighed på omkring 98%: bedre end et team med to dataregistreringsadvokater. Tidligere implementeringer ville være stolte, hvis de havde brug for 1.000 eksempler til at udføre den samme opgave med en nøjagtighed på 95%. ”
- Sandra Carrico, VP Engineering og Chief Data Scientist hos Glynt.ai (en forretningsenhed på WattzOn)
”Hvis jeg skal forudsige, hvad der bliver stort i 2019, ville jeg sige AI - jeg synes godt, jeg ser meget bedre virtuelle assistenter og bedre chatbots. Sagen med AI er, at vi, forbrugerne, ikke rigtig er opmærksomme på væksten i teknologien og dens applikationer, fordi den fungerer bag kulisserne.
”Blockchain er også stort, og det bliver større. For tiden har det ikke applikationer inden for datavidenskab, men jeg vil ikke blive overrasket, hvis det i 2019 begynder at have det. Helt sikkert kan al denne decentraliserede opbevaring udnyttes til at tjene big data. ”
- Vania Nikolova, Ph.D. i matematisk analyse, chef for dataanalyse hos RunRepeat.com
”De seneste massive investeringer i datavidenskab bør ændre det sociale medielandskab markant i løbet af de næste par år. Som en social lytter-leverandør ser vi en voksende interesse for AI-drevet billedgenkendelsesteknologi introduceret af store SML-leverandører. Disse bruges allerede af nogle mærker, der er tidlige adoptører og innovatører og er klar til global efterspørgsel.
”Denne teknologi bringer et helt nyt niveau af marketingindsigt til forbrugermærker og agenturer. Det hjælper dem med at forstå bedre deres forbrugers smag - selvom mærket ikke nævnes eksplicit i deres sociale medieindlæg. Det er en fremragende måde for marketingfolk og specialister på sociale medier at lære mere om produktforbrugssituationer og afsløre værdifuld forbrugerindsigt. ”
- Alexandr Sirach, medstifter kl YouScan (AI-drevet social media lytter platform)
”I 2019 ser vi efterspørgslen efter pipeline-platforme inden for datalogi stige dramatisk. Vi sammenligner ofte datavidenskab med softwareudviklingsboomen, hvor GitHub og andre softwareudviklingsplatforme drastisk påvirkede udviklingsområdet. Vi ser datalogi-platforme eskalere og udnytte datavidenskabsfeltet. ”
- Yochay Ettun, administrerende direktør og medstifter af cnvrg.io og ekspert i datavidenskab og maskinlæring
”Vi forudser, at 2019 vil være året, hvor data-videnskaben går mainstream. Mange af vores kunder og partnere er begyndt at sparke dækkene på dybere datavidskabsinitiativer i 2018, og vi føler, at momentumet vokser hurtigt for at integrere datavidenskab i organisationsdækkende beslutningstagning og politik inden udgangen af 2019. ”
- Sam Underwood, VP for forretningsstrategi med Futurety, et Ohio-baseret dataanalyse- og marketingbureau