科技：2018年数据科学和机器学习中重要的未解问题
科技：2018年数据科学和机器学习中重要的未解问题
随着围绕这项技术的大肆宣传，在公司开始在工作场所提供更多人机交互之前，确保这些问题能够得到解决是很重要的。数据科学和数据项目的区别是什么？这两个术语在开发中经常出现，它们并不是一个完全可以互换的概念。数据项目只是专注于做出更好的洞察和预测，从而做出更好的决策。几乎任何行业的预测性维护项目和数据项目都需要大量的数据。监控这些数据的一个大问题是，这些数据通常来自非传统来源，如传感器数据、社交数据和使用数据。
数据科学项目确保数据分析师和数据科学家之间不需要自然的协作，而保持专注的唯一方法是使用新的预测模型，该模型可以处理数据项目中的所有主观信息。换句话说，数据科学项目是来自非传统来源的先进数据项目。开发人工智能系统需要哪些类型的数据科学家？数据科学家有许多不同的优势，企业中的个人通常很难开始解决与他们所从事的项目相关的各种问题。全球80%的数据科学家目前都在为谷歌、Facebook等大公司工作。找到有专长的数据科学家最终可能对许多行业有所帮助。
下面是一些不同类型的数据科学家的概要名称。1.关注数据的业务分析师:这一组关注使用数据进行统计和分析的业务分析。2.机器学习工程师：这个团队由软件开发人员组成，他们试图建立基于数据的机器学习模型。3.领域专家数据科学家：这个团队由特定领域的专家组成，它从可用数据中处理某些特性，以解决特定领域的问题。他们可能不是机器学习或统计方面的专家，但他们有一种非常强大的方法来解决他们领域内的问题。
4.数据可视化专家：这个小组从数据中开发可视化和图形。它们在数据可视化中扮演着重要的角色，以更好地理解数据。5.统计员：利用统计学和大数据集建立分布模型、显著性检验、机器学习、深度学习等多种模型。6.数据工程师：这个群体与数据科学家有着非常密切的关系。数据工程师的重点不是数据分析，而是主要关注数据摄取、数据湖、数据提取。7.数据科学经理：这个团队由经验丰富的数据分析人员组成，他们负责数据科学结果的部署和应用。
为什么有些数据科学家要离开他们的工作？数据科学家非常抢手，因此很难长期把他们留在一个地方。如果一个公司不愿意开发和使用新的计算机学习计划，那么数据科学家很有可能在未来找到一份新的工作。我们在阅读其他数据科学家相关文章时发现的另一个原因是“做数据科学和管理数据科学是不一样的”。是的，做数据科学和管理数据科学就像做工程师和产品经理一样不同。这两者之间可能有很多重叠之处，但两者都非常不同。
虽然数据科学家主要从事清理数据集、测试算法和研究新方法，但他们也被赋予领导责任，处理项目，关注数据治理、MDM、遵从性和法律问题。大多数数据科学家还没有准备好接受领导角色。这是他们换工作的原因之一。在整个数据科学工作中是否需要协作？在工作场所建立协作模式有助于提高工作效率和效率。至少在工作场所，当大量分析工作由几个数据科学家分担时，与数据的协作可以更好地工作。
总结：数据团队中的初级和高级资源也可以是有用的，因为会有一些人在他们的专业方面有所提高，而其他人则可以从更一般的角度以新的眼光看待数据。在数据团队中划分角色有助于协作和工作流。在数据团队的帮助下，总能加速整个分析项目。如果你正在和你的公司一起探索新的人工智能和数据科学计划，请记住这些最重要的问题。这些只是我们今天面临的几个最重要的问题，这些问题对于整个AI的发展至关重要。
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20181226A0E3TC00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
