自动化机器学习如何赋予数据科学家权力

时间:2019-03-15 13:15:55 阅读:32次

并帮助建立AI分析师的角色

  通过自动化和内置智能,像DataRobot这样的公司使机器学习和数据科学可供更广泛的受众使用。自动化使企业中的更多用户能够参与开发机器学习和人工智能(AI)应用程序,从而帮助满足对数据科学专业知识不断增长的需求。

<! - more - >

   Jeff Bezos在2017年给股东的信中非常敏锐地将机器学习与软件开发进行了比较:

  

  在过去的几十年中,计算机具有广泛的自动化任务,程序员可以使用明确的规则和算法来描述这些任务。现代机器学习技术现在允许我们对描述精确规则的任务更加困难。

  多年来,编写软件依赖于难以使用的编程语言和开发环境。然后,像Microsoft和Sun这样的公司创建了易于使用的编程语言,WYSIWYG工具和软件框架,使更多企业可以访问和负担软件开发。因此,开发团队的规模和对软件工程师的需求不断增长,反过来,更有经验的软件工程师从个人贡献者转变为更大的开发团队中的专家。

  几十年前,机器学习行业正在走软件行业。通过自动化和内置智能,DataRobot等公司使机器学习和数据科学可供更广泛的受众使用。自动化使企业中的更多用户能够参与开发机器学习和人工智能(AI)应用程序,从而帮助满足对数据科学专业知识不断增长的需求。

  

数据科学家和自动化

  今天,数据科学家通常被认为是美国最好的工作,对世界其他地方来说也是如此。然而,对数据科学家的需求超过了供应量,对于那些希望人工智能和机器学习保持竞争力的企业来说,这是一个非常真实的挑战。

  随着像DataRobot这样的自动化机器学习解决方案的兴起,数据科学家面临被软件取代的风险似乎很自然。如果像DataRobot这样的软件结合了人工智能和机器学习的最佳实践,并使整个组织的更多用户能够创建人工智能应用程序,那么合乎逻辑的结论就是数据科学家的日子已经屈指可数了。

  

  在一天结束时,DataRobot可以让数据科学家提高工作效率,同时也是“AI Analyst”新角色急需的专家资源。

  我们认为自动化是数据科学家的福音。而不是处理与开发机器学习模型相关的重复任务的得分 - 特征工程,模型测试和修订,并试图向管理解释模型功能 - DataRobot自动执行这些任务,同时确保遵守数据科学最佳实践。这种自动化和准确性使企业能够非常快速地为80%的项目开发高度精确的模型,数据科学家提供一些监督,这使数据科学家有更多的时间专注于复杂的挑战。

  在一天结束时,DataRobot可以让数据科学家提高工作效率,同时也是“AI Analyst”新角色急需的专家资源。

  

AI分析师的崛起

  同样的自动化创造了一个更加民主化和可访问的数据科学环境,开启了“公民数据科学家”的时代。使用DataRobot,用户不懂机器学习算法或R和Python编码可以通过简单地上传数据集,选择他们想要预测的内容以及点击“开始”按钮来轻松开发机器学习模型。

  一部分用户对人工智能和机器学习的新世界秩序变得尤为重要。业务分析师和数据分析师本身就熟练掌握自动化机器学习。凭借对公司数据及其业务的深入了解,这些分析师可以非常有效地使用DataRobot,攻击公司绝大多数机器学习和AI挑战,并允许数据科学家专注于需要高级技能的项目。 / p>

  结果:各种规模的企业现在都可以建立一个非常有效的人工智能团队,数据科学家,人工智能分析师和软件工程师可以比以往更快地有效地交付和部署人工智能和机器学习应用程序。

  

结论

  正如经验丰富的软件工程师从个人贡献者转移到专家那样,高技术和经验丰富的数据科学家将从孤立的个人贡献者转变为数据科学驱动组织的关键专家。在这种情况下,自动化将为新的和现有的数据科学家提供更多的就业机会,同时让他们自由地处理更有趣和更具战略性的工作。

  而且,大多数AI和机器学习项目将由非数据科学家使用DataRobot等工具处理,这些工具允许业务分析师和数据分析师转变为AI分析师,为他们的公司提供更多价值并推进他们自己的职业生涯。

  最后,数据科学家应将自动化机器学习视为为其业务和职业创造更多价值的机会,而不是对其身份的威胁。

  

  

自动化机器学习如何赋予数据科学家权力所属专题:机器学习 《自动化机器学习如何赋予数据科学家权力》链接:http://www.zhouchuanxiong.net/1240

自动化机器学习如何赋予数据科学家权力相关文章

  • 成功的CECL符合自动化机器学习
  • 利用自动机器学习将梦幻足球分析提升到新的水平
  • 企业不能等待 - 了解自动化机器学习如何填补数据科学空白
  • 自动机器学习是真实的:托马斯达文波特和我的妈妈这么说
  • 使用DataRobot和Amazon SageMaker使数据科学团队能够应对机器学习的挑战
  • 用自动机器学习理解歌曲流行度
  • 什么是自动机器学习?
  • 面向开发人员的机器学习:谎言,真理和业务逻辑
  • 房地产AI:Ascendas-Singbridge如何使用自动机器学习
  • 制药业为何需要自动化机器学习
  • 自动机器学习是Wellen Capital的改变者
  • 如何自动化机器学习
  • 机器学习使MarkerStudy能够用更少的资源做更多事情
  • 机器学习如何帮助财富管理者深化客户关系
  • 机器学习的数据准备
  • 利用自动化机器学习来管理零售业的供需
  • 自动机器学习中需要注意的十大功能
  • DataRobot首次成为2019年Gartner数据科学和机器学习平台魔力象限中的“有远见者”
  • 利用机器学习窥视NFL教练的心理
  • 医疗保健中的自动化机器学习[信息图]
  • 爱自动机器学习的五个理由
  • 利物浦维多利亚民主党通过DataRobot实现机器学习
  • DataRobot和Qlik Partnership帮助机器学习民主化
  • 深度强化学习
  • 将机器学习应用于头部和头部的放射治疗计划颈癌
  • 使用无人监督的辅助任务进行强化学习
  • 在神经网络中实现持续学习
  • 提炼:传播机器学习的科学
  • 通过人工反馈学习
  • 超越平均水平进行强化学习