科技改变生活 · 科技引领未来
科技改变生活 · 科技引领未来
将人工智能和机器学习技术纳入日常工作流程并不像你所相信的那样容易。 这是Algorithmia对750名商业决策者进行的一项调查的最高水平发现，该调查发现，虽然企业的机器学习成熟度普遍提高，但大多数公司(50%)在8到90天之间部署了一个单机学习模型(18%的时间超过90天)。 大多数钉住的原因是未能达到规模(33%)，其次是模型重现性挑战(32%)和缺乏高管收购(26%)。
Algorithmia首席执行官迭戈?奥本海默(Diego Oppenheimer)表示：“我们2020年[企业机器学习状况]研究的结果与我们从客户那里听到的情况是一致的。 “企业正在加大对机器学习的投资，机器学习操作正在所有行业成熟，但增长和改进的巨大空间仍然存在。 对于ML团队来说，模型部署生命周期需要继续更加高效和无缝。 尽管如此，已建立ML部署生命周期的公司正在受益于可衡量的结果，包括成本降低、欺诈检测和客户满意度。 随着ML技术和流程进入市场并被采用，我们预计这些趋势将继续下去。
也许不足为奇的是，考虑到收养的障碍，机器学习的专业知识仍然是高需求。 仅有一半以上的Algorithmia接受调查的人说，他们的公司雇用了1到10名数据科学家，5%的人说他们雇用了1000多名;39%的人说他们有11名或更多。 这一数字比2018年的18%有所上升，当时公布了上一次企业机器学习状况调查。
考虑到这一背景，对全行业数据科学家短缺的预测似乎具有先见之明。 在2016年，德勤预计到2018年将有18万名工人的缺口，在linked In上的数据科学家职位列表的数量从2012年到2017年增加了650%以上。
丁书一