无论你如何处理数据，在2018年，数据科学都将发挥巨大作用。虽然2018年已经过半，但如果你想成为一名数据科学家，现在依然是最好的时机。本文全面阐述了数据科学家在2018年应该考虑的最新趋势。
数据科学家已经成为以技术为导向的世界的中心，他们可以以此来帮助那些拥有出色专业知识和强大技术背景的人。
诚然，成为一名数据科学家并不容易，必须要有一套明确的、适应性强的技能才可以。他们必须能够处理大量复杂和非结构化的数据，才能获得有效的业务需要的结果。
作为一名数据科学家，不仅意味着是一名数据搜集者，还应该精通数据设计和与软件程序的结合，分析、可视化和验证假设。在这里，我们将讨论一些可能推动高需求的趋势，数据科学家应该在2018年多关注这些趋势。
1.维持技能组合
在定义“数据科学家”一词的确切含义时，仍然存在某种模糊性。但在2018年，定义数据科学家所需要的专业知识，将有助于选择工作效率高的职员，他们具备建立和测试假设的知识，理解假设在统计方面的意义，并能够对其进行建模。数据科学领域主要包括R和Python编程语言。
大多数数据科学家表示，他们主要使用R或Python语言。但这并不是一个非此即彼的硬性规定，因为数据科学家有可能同时使用这两种语言。就现代行业动态而言，R和Python语言是目前大家在工作中使用最熟练的工具，被认为是每个数据科学家都应该学习的编程语言。
根据Stack Overflow community的研究，R语言目前使用范围更广，而Python语言增长更快，预计到2019年，Python语言在可靠性、易用性和灵活性方面将超过其他编程语言。数据科学家还使用了其他一些流行的编码语言，包括MATLAB(19%)、SQL(40%)、Java(18%)和C/ C++(18%)。
毫无疑问，数据科学是一个巨大的新兴行业。尽管我们必须面对行业初期的艰难。但是，它也会给你带来丰厚的薪水、长期的福利和舒适的生活条件。记住这些趋势，你就能获得长期的成功。
2.商业智能技能
商业智能是一个新兴的领域，每个数据科学家都应该考虑学习一下。它要求你能够解释数据集，同时向任何组织的决策者，构建和演示你的可视化分析。这会提高工作的价值。
对于一个数据专家来说，应该具备良好的沟通技巧，能够从数据挖掘中获得自己的见解，确保工作的明确简洁。SQL和Tableau都有助于提高你的技能组合，并将帮助你更好地进行数据管理和可视化。
3.了解数字双胞胎
数字双胞胎（Digital twins）将软件分析、机器学习和人工智能与数据相结合，以生成类似真实实物的数字仿真模型。
它能不断地根据各种来源的数据升级自己，以描述实时状态和工作条件。它使用与其通信的多个传感器的数据，就像一个对机器和环境有深入了解的工程师。
在物联网方面，数字双胞胎技术前景光明，会在未来几年主导着人们的兴趣。企业利用精心设计和熟练的数字双胞胎技术，来改进决策过程。它们与现实世界的事物相关联，有助于企业更好地了解系统状态，增强可操作性，并能及时应对变化。
数字双胞胎方法不是一步到位的，它包含多个步骤，包括实施、累积、应用统计分析，以及对管理目标的有效响应，等等。综合利用数字双胞胎方法，已经证明了对数字营销人员、城市规划人员、工业规划者以及医疗专业人员大有益处。
4.开发机器学习方面的专业知识
在领英(LinkedIn)的新兴职位中，机器学习工程师排名第一，而数据科学家排名第二。5年前，机器学习工程师的工作机会较少，但现在的工作机会比前几年增加了10倍。
5.实现人工智能（AI）和物联网（IoT）的重要性
近年来，人工智能越来越受到重视，它的目标是:发展更先进的行为，能够与人以及周围环境进行良好的互动。为连接用户和工业系统的物联网等许多产品提供了更高的效率。
物联网终于得到了应有的认可。根据最近的报告，到2021年，物联网的规模有可能达到6万亿美元，因为现在使用的是响应式设备和更智能高效的网络，这些已经成为所有组织在竞争市场中取得一席之地的需要。如今，数据科学家应该关注这些新兴趋势。
在过去的一年中，大多数全球性组织利用来自连接设备的数据，扩展他们的业务流程，并确保数百万美元的收入。如今，企业更加注重数据的保密性;而另一方面，各组织都表现出了对创新的兴趣。
6.分析智能APP和分析的重要性
数据科学家应该知道，在几年内，几乎所有的程序和App都将与人工智能相结合，以提高其价值。其中一些App如果没有人工智能根本就无法工作。
人工智能已成为广泛的软件程序和服务市场（包括ERP-企业资源规划）的下一个主要战场。
对于那些服务者，应该敦促他们使用人工智能来增加产品的价值——提供满足高要求的分析、智能软件程序和复杂的用户体验。
7.了解云优先策略和基于云的平台
各种组织正在广泛使用这些方法来分析大量的数据。专家们帮助大多数云时代的应用程序以可忽略的硬件成本运行，而人工智能则是他们指定列表中最新的一项，比如从小型聊天机器人到基本的搜索思考者（essential search thinkers）。预计到2018年底，人工智能与系统集成的比例将接近75%。
预计到2020年底，三分之一的数据将被云覆盖。它将作为一个促进者，来帮助他们分析数据，并提高主管部门的工作效率。例如，在对数据进行灵活分析的问题上，施乐公司就实施了云优先战略，使呼叫中心的失败率降低了20％。
有很多组织转向非物理处理系统，因此减少了对数据中心的依赖。但是，他们在运作过程中也面临一些挑战。最大的缺点是客户无法享受数据的免费访问服务，因此降低了灵活性。
8.了解独特的数据设计
各行各业现在已经认识到在组织内各级决策过程中，使用分析数据的重要性。这是组织成长所必需的。
数据科学家应该能够以一种简单的方式理解和设计数据，并以一种经济有效的办法实现结果。这样的数据科学家将会在组织中处于较高的位置，这不仅可以传播数据，还可以帮助他们在整个组织中产生巨大的影响。
9.了解黑暗数据
数据科学家应该知道黑暗数据的重要性。它是通过不同的网络操作收集来的信息，收集这些信息是为了存储，而不是使用。
开始时，一些组织甚至没有意识到，他们的系统正在收集黑暗数据。随着时间的发展，一些组织已经认识到它们的重要性，这就催生出了一种具有洞察力的搜索工具。这有利于业主获得高性能的数据，并能为企业创收和降低成本。
10.数据安全权限将收紧
企业已经高度重视数据安全问题，防止他人通过任何未经授权的途径窃取其个人和客户的信息。企业对完美的网络安全系统的需求越来越急迫，而这只有通过人工智能才能实现。安全系统对所有跨国公司来说已经不可或缺，关乎保护其系统设计、未来战略和利益相关者数据。
这些公司正在研究数据访问权限，以便通过不断地开发最新技术来保持其市场地位。由于存在安全风险，客户现在需要拥有准确的数据访问权限才能访问其信息。预计到2030年，物联网将为全球GDP贡献15万亿美元，而2018年将是实现这一里程碑的第一个年份。
11.生成对抗网络（GAN）将更为主流
GAN是Ian Goodfellow等人从2014年开始使用的一种无监督学习的机器学习模型。GAN具有巨大的应用价值，在技术主流中占据一席之地。打个比方，GAN就相当于两个人;一个是专业的艺术模仿者，另一个是专业的艺术策展人（艺术展览策划者）。
模仿者的工作是把一件艺术品画得天衣无缝，能够以假乱真，而策展人的职责则是用自己的专业知识，发现仿品和真品之间的差异。这有点类似于GAN的工作，该网络具有生成性和鉴别性。
生成性设计产生自然数据样本，而鉴别性设计的目的是区分实际数据和伪造数据。每当生成性设计愚弄了鉴别性设计，鉴别性设计就从中学习。这些网络非常具有挑战性，因为它们需要在使用前对大量数据进行适当的训练。另一方面，生成性设计获得的参数，比训练目标所需的参数要少。
我们经常需要它们的原因就在于其高效率。但GAN也有一些缺点，比如数据崩溃，可能无法连续学习。当他们的网络变得过于强大时，可能会与其他一些相邻的竞争网络发生冲突。不过，目前正在进行研究以克服这些困难。
12.实时系统的创新将加速
现在，世界正在向更多的创新和更先进的技术方向发展。在过去的几年里，广泛的机器学习正受到人们的关注。我们可以通过杰弗里·辛顿（Geoffrey Hinton）的胶囊网络的来了解创新和先进技术的重要性。这是一种神经网络设计，它能够在未来一年内激发出一些令人着迷的研究。
尽管有了新的发展和研究，但事实仍然是，数据科学家正在努力将这些先进的技术和创新应用于现实生活。不过这种状况预计在2018年底将会改变，因为这些实际应用方面的创新，已经覆盖了当前理论实践的研究。
因此，所有创新成功的机会更少了。但是还有一些这样的创新例子，这些创新还没有带来多大的成功。例如:销售机器人，它们本质上是重要的，并且能够帮助企业和客户的交易。这些应用程序都将在机器学习和商品化框架下工作，这些框架对真正的与人进行面对面的交谈是很有帮助的，并且将被证明是非常有效的。
类似的，还有其他优秀的应用程序，比如全球图书馆，将为人们的现实生活带来便利和更多的创新。
原文链接：
https://www.codementor.io/dyako/what-data-scientists-should-focus-on-in-2018-kvslzog1m
来源：Code Mentor
作者：David Yakobovitch
智能观 编译
—完—
亲爱的朋友：
想起那句话：我们不仅要低头赶路，还要抬头看天。
2018年已然过半，你的上半年过得好吗？
希望本文中的内容对你有所帮助，也期待你留言，跟我聊聊，你眼中值得关注的事。
夏安！
智能观 一米
2018-7-5 于北京中关村
想知道AI加教育领域有哪些最新研究成果？
想要AI领域更多的干货？
想了解更多专家的“智能观”？
请前往：www.智能观.com。
声明：
编译文章旨在帮助读者了解行业新思想、新观点及新动态，为原作者观点，不代表智能观观点。
网友评论