点击这里»
2019冠状病毒病衰退期间的数据科学、人工智能/ML、物联网和分析趋势
2019冠状病毒病(COVID-19)疫情对全球经济的影响越来越大。那么,2019冠状病毒病将如何影响科技就业市场?最新趋势是什么数据科学、人工智能/ML、分析学、物联网、云计算?在COVID-19期间和之后,有哪些关键需求的技术工作简介和领域?让我们找出答案。
迄今为止,印度已有12750多例COVID-19确诊病例。4月6日至12日期间,欧洲和美国分别报告了46%和39%的新确诊病例。包括印度、英国等几个国家目前处于封锁状态。封锁虽然能有效减缓病毒的传播,但在经济上是有害的。世界已经见证了这一点在新冠肺炎疫情引发的金融危机中,裁员、休假和减薪.然而,就像生物科学一样,在大流行衰退期间和之后,有一些技术工作简历可能会很受欢迎。
2019冠状病毒病衰退期间的人工智能、ML、数据科学、物联网和大数据分析趋势
尽管很多技术和IT员工都感受到了压力,人工智能领域的招聘应该会保持乐观在这个阶段。事实上,在2020年2月至3月期间,包括“人工智能”(AI)一词的职位头衔有望增加11%,而大多数职业的招聘职位都在下降。2020年第一季度,美国285家人工智能相关公司融资69亿美元,2020年全球人工智能工作岗位数量可能增长16%,达到96.9万个(来源:《华尔街日报》,《福布斯》).
让我们再深入一点。
人工智能、ML、数据科学和分析求职者需要了解的趋势(2020 - 2021年)
生物医学研究中的人工智能、ML和数据分析
很多工作正在进行,试图开发一种疫苗,以查明目前是否有任何药物对COVID-19有效。所有这些项目都需要分子建模,其中许多项目正在使用人工智能和机器学习(ML),将我们对病毒的了解与药理学数据库和基因组数据库中的东西进行映射。
人工智能可以消除许多错误的轨迹,让我们能够识别潜在的目标。因此,研究人员可以更快地缩小范围,而不是尝试100或1000种不同的东西。这将加速疫苗的最终发现。
要在这种情况下取得任何真正的进展,你需要把理解计算和人工智能的人,理解生物学和生物医学含义的人,以及理解人口模型的人聚集在一起。这是一个跨学科的问题,为了取得进展,世界需要数据,学术界和业界需要训练有素的人才。
供应链管理和物流中的人工智能、ML、物联网和分析
从个人防护设备短缺到各种杂货、电子产品和服装,冠状病毒(COVID-19)以预期和不可预见的方式冲击了全球供应链,似乎可能需要数月时间才能恢复。
专家表示,更快地恢复将要求供应链经理转向管理供应链的新方法,包括使用物联网(IoT)数据、分析和机器学习。这些工具将成为供应链管理人员深入了解市场和不稳定的供需趋势的基础。读随着冠状病毒的蔓延升级,供应链管理中的分析和物联网变得至关重要.
深度学习和物联网在监测移动和社会距离
最近,纽卡斯尔大学城市天文台开发了一个城市数据仪表盘,以帮助实时了解社交距离措施对大城市内的人和车辆移动的影响。该项目的目标是利用数千个传感器和数据共享协议来了解一个城市的运动动态,以监控城市周围的运动,从交通和行人流量到拥堵,停车场占用率和公交GPS跟踪器。它还监测能源消耗、空气质量、气候和许多其他变量。
这种类型的数据不仅显示了物理距离是如何实时变化的,还将为长期行为变化提供详细的见解。
城市、企业和国家政府应该共同创造一个巨大的全球传感器网络为未来的大流行检测病毒。这进一步推动了“智能城市”概念的实施,这一概念在过去曾因数据隐私问题而受到严厉批评。
智慧城市利用信息和通信技术(嵌入式传感器)大规模简化城市运营。技术生态系统收集交通、噪音、空气质量、能源消耗和移动数据,以便政府和企业做出改进和可持续的决策。市民可以通过多种方式参与智慧城市。阅读完整的故事在这里.
通过社交媒体控制新冠疫情的数据科学和人工智能
是通过聚类算法或确定有风险的人(在沟通频率和最近时间上与受感染的人接近的人)图表分析通过利用社交媒体平台,数据科学和人工智能将发挥重要作用。
此外,自然语言处理,数据挖掘,预测分析在不久的将来,它将有助于检测(和预防)假新闻,并分析人们的活动,包括旅行计划、目的地和旅行者数量。
阅读更多关于利用社交媒体和数据科学抗击COVID-19.
物联网和AI在COVID-19筛查和诊断中的应用
医院(以及其他公共场所)正在使用联网温度计对病人和工作人员进行检查。Kinsa Health使用了收集到的数据从它的100多万个连接温度计中生成每日地图,显示美国哪些县的发高烧人数在增加。这些数据点能够提供无与伦比的实时疾病监测,并可以作为新的疾病聚集的早期预警信号。
此外,也有应用人工智能的案例x射线和胸部CT扫描检测COVID-19。
与新Coughvid应用分析咳嗽和通过各种聊天机器人进行筛选测试在美国,人工智能在检测冠状病毒病例的过程中做得很好。鉴于卫生机构的带宽有限会话的人工智能在这个阶段是至关重要的。
与对话人工智能代理的互动提供了实时的洞察,以了解在不同人群中哪些地方存在未解问题和焦虑的趋势,如测试地点、结果的转换时间、常见症状、对位置敏感的建议等。一个印度的MyGov就是一个很好的例子它是世界上最大的政府对公民数字基础设施。MyGov推出了带有互动Facebook Messenger系统的MyGov Corona Hub:https://m.me/MyGovIndia.
云计算使组织和团队成员更方便远程工作
据一些人估计,这么多人可能长达18个月处于自我隔离状态,而且很大一部分人可能长期转向在家工作,大规模部署公共5G接入点可能会受到限制。
云计算能力,特别是来自超大规模供应商——Amazon Web Services、Microsoft Azure、谷歌Compute、Oracle Cloud、阿里巴巴Cloud和IBM Cloud——是帮助我们度过这场风暴的东西。有了远程的、基于家庭的工作人员,远程桌面技术将是必不可少的,直到原生云应用程序可以运行核心业务功能。
传统的垂直行业Windows客户端-服务器应用程序存在问题,需要完全针对PaaS(即SaaS)进行重构和重写。这将通过使用容器化和微服务等支持技术来实现,因为VMs和IaaS在计算上非常昂贵。
云计算已经发挥了作用。在COVID-19阶段,它可能会更有帮助。读在COVID-19危机时代,抬头仰望云.
教育科技、健身、娱乐、社交媒体和OTT平台中的人工智能和神经网络
由于人们都呆在室内在线学习、健身、社交媒体和数字消费的需求在世界范围内呈指数级增长视频会议软件Zoom、谷歌Hangouts、谷歌Duo和Houseparty等社交网站的用户使用时间增长了71.11%,而平均用户数量增长了100%以上。
你可以阅读完整的报告和分析在这里.由于用户将寻找更个性化的数字内容,对具有扎实技能的专业人士的需求人工智能,ML,深度学习和神经网络将会大幅上涨。
金融科技中的人工智能、ML和网络安全
银行和金融服务对每个人都至关重要。由于人们在家工作并保持社交距离,这将是一个在新冠肺炎疫情期间,金融科技初创公司面临着巨大机遇.我们可以通过金融科技支付的在线服务现在几乎覆盖了所有可以想象的行业。在欧洲,新冠肺炎疫情已经引发了大规模疫情金融科技应用的使用增加了72%.
即使在如此艰难的时期,是以(一家总部位于班加罗尔的金融科技初创公司)筹集了1500万美元。Kaarva该公司推出了“COVID-19确定性产品”(COVID-19 Sure product),通过该产品,雇主可以帮助员工减少不确定性,让他们更快地获得自己的工资,并在任何财务压力下提供负担得起的预付款选项。
ML和AI在银行和金融服务(以及金融科技生态系统)中发挥着关键作用.此外,关于网络安全在fintech也是非常关键的。因此,金融科技领域对这类专业人士的需求可能会存在。
总结:科技就业市场趋势概述
这场危机还处于早期阶段,很难预测它将走向何方。然而,根据Burtch Works和IIA(国际分析研究所)最近的调查报告,数据科学、人工智能和分析专业人士的前景是光明的。2019年,对以数据为导向的职业和技能的需求飙升。今年,它可能不会看到同样的速度,但会有适合优秀人才的工作。读了完整的报告.
数据科学家和数据工程师拥有内置的工作保障相对于其他职位,因为企业的运营将更加依赖数据、数据科学和人工智能。这是一种长期趋势,不太可能因为COVID-19而改变,尽管势头已经开始放缓。读2019冠状病毒病(COVID-19)危机有可能引发AI领域的增长和2020-2021年求职者和留学有志者的数据科学、分析和人工智能趋势.
给有抱负的数据科学家和ML / AI开发者的建议路线图
- 开始学习Python包括Pandas和NumPy
- 了解线性代数、概率、多元微积分和推理统计的基础知识
- 为数据科学介绍SQL
- 开始参与数据科学和机器学习论坛和社区
- 学习机器学习的基础知识-线性回归,逻辑回归,决策树,Naïve贝叶斯,向量,有监督和无监督学习
- 花时间建立你的GitHub配置文件
- 学习机器学习的高级知识——随机森林、集成学习、时间序列和超参数优化
- 写好你的简历,和人们建立联系,参加比赛(例如Kaggle),寻找项目或实习机会。
- 主推荐系统
- 开始学习神经网络和深度学习吧
- 理解卷积神经网络
- 参与计算机视觉项目
- 熟悉NLP-文本处理、清理和分类
- 擦亮你的简历
- 申请工作
数据科学,分析和ML/AI趋势(2020 - 2021年)(女士&博士)学生
人工智能与网络安全的结合
随着网络攻击的数量、速度、多样性、病毒式传播和恶性程度的不断增加,人工智能解决方案将日益成为弥补预计180万网络安全专业人员缺口的唯一途径。这将是2020年最热门的人工智能趋势之一。
强化学习在商业中的应用
强化学习(RL)已经开始出现在企业应用程序中。Netflix、YouTube和Facebook都描述了他们是如何将强化学习融入产品推荐系统的。因此,RL在业务流程优化和仿真中的应用是一个值得探索的领域。
过度数据科学和机器学习的自动化
自动机器学习(AutoML)工具、深度学习和自然语言处理(NLP)将成为机器学习领域的热门研究领域。
以机器人过程自动化(RPA)为核心,超自动化是过程挖掘、人工智能、分析和其他此类工具的结合。
数据科学家还需要工具,使他们能够扩展和解决更多问题。增强分析将使更多分析师和数据科学家的工作自动化。
“黑匣子”的东西将会过时。AI和ML必须在业务上下文中是可解释的和适用的。
使用人工智能和深度学习的图像数据处理
随着相机不再只是一种捕捉记忆的方式,图像数据将变得越来越重要。随着面部识别技术的进步,个人和地方政府将会更加强烈地抵制侵犯个人隐私的行为。
物联网与人工智能的结合
随着5G应用的稳步增长,5G、物联网和人工智能融合领域将出现更多令人兴奋的举措。大数据、物联网和人工智能领域将继续融合,优化的人工智能芯片和5G将带来惊人的创新。这将使人工智能以云服务的形式被用作服务(或AIaaS),并帮助组织利用机器学习。
数据分析有助于更好的决策
能够建立一个伟大的数据可视化报告,分析和读取数据是一回事,但它必须转化为明智的决策。因此,实现机器学习和人工智能对分析也至关重要。
TensorFlow vs PyTorch
Tensorflow是基于Theano已经被谷歌,而PyTorch是基于火炬已经被脸谱网.根据专家的说法,PyTorch在2020年可能会获得更大的发展势头。
如果你真的需要一个深度学习模型,PyTorch和TensorFlow是两个主要的选择。然而,探索也是明智的Keras.
相关文章:
特色图片来源:《福布斯》