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持证人Louis CDA持证人基本情况 我大学是在一个二线城市的一所普通二本院校读的,专业是旅游管理,非计算机非统计学。毕业之 ...
2024-12-18最近,知乎上有个很火的话题:“一个人为何会陷入社会底层”? 有人说,这个世界上只有一个分水岭,就是“羊水”;还有人说,一 ...
2024-12-18在这个数据驱动的时代,数据分析师的技能需求快速增长。掌握适当的编程语言不仅能增强分析能力,还能帮助分析师从海量数据中提取 ...
2024-12-17在当今信息爆炸的时代,数据分析已经成为许多行业中不可或缺的一部分。想要在这个领域脱颖而出,除了热情和毅力外,你还需要掌握 ...
2024-12-17数据分析,是一项通过科学方法处理数据以获取洞察并支持决策的艺术。无论是在商业环境中提升业绩,还是在科研领域推动创新,数据 ...
2024-12-17在数据分析领域,图表是我们表达数据故事的重要工具。它们不仅让数据变得更加直观,也帮助我们更好地理解数据中的趋势和模式。相 ...
2024-12-16在当今社会,我们身处着一个飞速发展、变化迅猛的时代。不同行业在科技进步、市场需求和政策支持的推动下蓬勃发展,呈现出令人瞩 ...
2024-12-16在现代商业世界中,数据分析师扮演着至关重要的角色。他们通过解析海量数据,为企业战略决策提供有力支持。要有效完成这项任务, ...
2024-12-16在当今数据爆炸的时代,数据分析师是组织中不可或缺的导航者。他们通过从大量数据中提取可操作的洞察力,帮助企业在竞争激烈的市 ...
2024-12-16在现代企业中,数据分析师扮演着至关重要的角色。他们不仅负责处理和分析大量的数据,还需要将这些分析结果转化为切实可行的商业 ...
2024-12-16在当今的大数据时代,数据分析已经成为推动企业战略的重要组成部分。无论是金融、医疗、零售,还是制造业,各个行业对数据分析的 ...
2024-12-16在当今这个以数据为驱动力的时代,数据分析领域正在迅速扩展与发展。随着大数据、人工智能和机器学习技术的不断进步,数据分析已 ...
2024-12-16在信息爆炸和数据驱动的时代,数据分析专业是否值得一选成为许多人思考的议题。无论是刚刚迈入大学校门的新生,还是考虑职业转型 ...
2024-12-16适合数据分析专业学生的实习岗位有很多,以下是一些推荐: 阿里巴巴数据分析岗位实习:适合经济、统计学、数学及计算机专业的 ...
2024-12-16在数据科学领域,探索实习机会是一个理想的学习和成长方式。实习不仅可以提供宝贵的实践经验,还能帮助学生发展关键的数据分析技 ...
2024-12-16在当今信息驱动的时代,数据分析不仅成为了企业决策的重要一环,还催生了各种职业机会。从技术到业务,数据分析专业的就业岗位种 ...
2024-12-16在现代企业中,数据分析师被誉为“数据探险家”,他们通过揭示隐藏在数据背后的故事,帮助公司优化业务策略和做出明智的决策。然 ...
2024-12-16在大数据崛起的时代,数据分析师被誉为企业的“幕后英雄”。他们通过解读数据,揭示隐藏的真相,为企业战略提供重要的指导。这份 ...
2024-12-16在这个信息大爆炸的时代,数据分析师成为了企业中的“福尔摩斯”,他们能够从庞杂的数据中提取关键洞察,为业务发展提供坚实支持 ...
2024-12-16在这个数据为王的现代社会,数据分析师如同企业的导航员,洞悉数据背后所隐藏的商业机会和战略优势。然而,成为一名优秀的数据分 ...
2024-12-16