在过去的五年里,当python编程成为潮流时,我一直在数据科学领域工作。当时,在2016年,神经网络和深度学习只是一些时髦的词。当时有一场关于谷歌自动驾驶汽车和强化学习的炒作。但是,大多数数据科学爱好者甚至不知道神经网络的工作。
2021年的今天,大多数公司都在采用数据科学战略,通过自动化不同的场景,用一名数据科学家取代几十名IT人员,从而获得更多收入,这些数据科学家可以使用各种自动化工具,如BluePrism、UI Path、Python和机器学习算法,自动化这些IT人员的任务。
这就是为什么我们大多数人都在努力学习python,机器学习,分析,深度学习。为什么?因为数据科学家在行业中有极好的价值。而且,在数据科学领域,人们的工作数据也有了很大的增长。
但是,你知道在今天,这些“自动化任务正在使用另一种自动化策略来自动化吗?”整个数据科学管道正在使用一个单一的工具来自动化。
在2019年,数据科学家过去需要花费数天时间进行数据收集、数据清洗、特征选择,但现在我们在市场上有很多工具可以在几分钟内完成这些工作。
另一方面,我们尝试了不同的机器学习库,如logistic回归、随机森林、boosting machines、朴素贝叶斯和其他数据科学库来建立更好的模型。
但是,今天,我们有像H2O、PyCaret和许多其他云提供商这样的工具,他们可以使用其他30-50个机器学习库的组合对相同的数据进行相同的模型选择,为您的数据提供最佳的机器学习算法,并且误差最小。
现在情况正在以快速的速度发生变化。而且,我们无论如何都在失去我们的价值,因为每个人都会相信这个工具,它尝试了20多个机器学习算法,结果比我们更准确,而我们只尝试了几个机器学习库,结果却不太准确。
到目前为止,我们已经讨论了一些自动化工具是如何在机器学习领域做得很好的。这些工具做得比我们好,因为我们使用的机器学习算法知识有限。相反,这些工具使用库的组合,通过自动化完整的EDA过程来获得更有效的结果,从而在更短的时间内提供最好的结果。
但是,在深度学习领域,我们比机器学习领域拥有更少的命令,并且处理能力有限。我们也有大量的工具在市场上。这些工具在拥有最好的处理器方面投入了大量资金。
当我们谈论深度学习时,它以处理非结构化数据而闻名。而且,95%的时间,我们在这里处理图像和测试数据。目标检测、图像分割、构建聊天机器人、情感分析、文档相似度都是著名的用例。
但是,处理这些用例需要了解不同的深度学习算法,如卷积神经网络、递归神经网络、U-Net、沙漏、YOLO,以及更多需要大量处理能力来处理更多数据以获得更高精度的模型。
这里的问题是,在2021年的今天,公司正在投资大量资金来自动化这些完整的管道工作流。而且,我们忙于理解基本的机器学习和深度学习模型,而不顾没有任何投资者我们买不起高端机器的事实。
每个公司都意识到了这一事实,所以五年后,当这些云支持的数据科学工具将变得更加高效,并能够在更短的时间内提供更好的准确性时,为什么公司会投资雇佣我们,而不购买这些工具的订阅?
当所有这些事情都将自动化时,您可能会考虑数据科学爱好者的未来。会有工作短缺还是会有更少的招聘?
好吧,当我们换位思考时,事情就变得容易了。诚然,公司将继续专注于机器学习的自动化工作流程。但是,请记住,没有一家公司愿意依赖于另一家公司的工作。
每个公司的目标是建立他们的产品,这样他们就可以建立自己的自动化系统,然后在市场上销售,以赚取更多的收入,而不是依赖他人。所以,是的,将需要数据科学家,他们可以帮助行业建立自动化系统,可以自动化机器学习和深度学习的任务。
最后,我们可以说,数据科学家的角色将是以优化的结果自动化流水线。因此,我们最终将机器学习工作流的流水线自动化,并让自动化决定数据中的最佳特征,并使用最佳策略的算法得到可能的最佳结果。
我们已经看到,在未来五年里,数据科学工作岗位将会短缺,因为公司将采用数据科学的自动化管道。但是,对能够自动化数据科学管道的数据科学家也将有很高的需求。
按照我的想法,要使这些管道自动化,我们首先需要理解机器学习算法,以建立一个更好的自动化系统,这最终将导致更多的工作。
嗯,你有什么想法?我很想听听你的。我希望你喜欢这篇文章。联系更多相关文章。我发表关于实时数据科学场景及其用例的文章。
谢谢你的阅读!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14