科技改變生活 · 科技引領(lǐng)未來
科技改變生活 · 科技引領(lǐng)未來
將人工智能和機器學習技術(shù)納入日常工作流程并不像你所相信的那樣容易。 這是Algorithmia對750名商業(yè)決策者進行的一項調(diào)查的最高水平發(fā)現(xiàn)，該調(diào)查發(fā)現(xiàn)，雖然企業(yè)的機器學習成熟度普遍提高，但大多數(shù)公司(50%)在8到90天之間部署了一個單機學習模型(18%的時間超過90天)。 大多數(shù)釘住的原因是未能達到規(guī)模(33%)，其次是模型重現(xiàn)性挑戰(zhàn)(32%)和缺乏高管收購(26%)。
Algorithmia首席執(zhí)行官迭戈?奧本海默(Diego Oppenheimer)表示：“我們2020年[企業(yè)機器學習狀況]研究的結(jié)果與我們從客戶那里聽到的情況是一致的。 “企業(yè)正在加大對機器學習的投資，機器學習操作正在所有行業(yè)成熟，但增長和改進的巨大空間仍然存在。 對于ML團隊來說，模型部署生命周期需要繼續(xù)更加高效和無縫。 盡管如此，已建立ML部署生命周期的公司正在受益于可衡量的結(jié)果，包括成本降低、欺詐檢測和客戶滿意度。 隨著ML技術(shù)和流程進入市場并被采用，我們預計這些趨勢將繼續(xù)下去。
也許不足為奇的是，考慮到收養(yǎng)的障礙，機器學習的專業(yè)知識仍然是高需求。 僅有一半以上的Algorithmia接受調(diào)查的人說，他們的公司雇用了1到10名數(shù)據(jù)科學家，5%的人說他們雇用了1000多名;39%的人說他們有11名或更多。 這一數(shù)字比2018年的18%有所上升，當時公布了上一次企業(yè)機器學習狀況調(diào)查。
考慮到這一背景，對全行業(yè)數(shù)據(jù)科學家短缺的預測似乎具有先見之明。 在2016年，德勤預計到2018年將有18萬名工人的缺口，在linked In上的數(shù)據(jù)科學家職位列表的數(shù)量從2012年到2017年增加了650%以上。
丁書一