热线电话:13121318867

登录
首页大数据时代未来5年,数据科学工作岗位会短缺吗?
未来5年,数据科学工作岗位会短缺吗?
2022-02-28
收藏
c

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。

艰难的现实部分


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。


深度学习是关于更多的数据、处理能力和一个复杂的神经网络,它需要更多的处理能力来提供更准确的结果。


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?

希望之光


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。

最后的想法


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

最新资讯
更多
客服在线
立即咨询