CDA人工智能学院：数据科学、人工智能从业者的在线学院。

数据科学（Python/R/Julia）数据分析、机器学习、深度学习

作者 | Jansfer
来源 | AMiner

2019年是数据和分析领域的结构转变的一年，这一年发生了大量的企业收购与合并，许多企业的业绩发生了陡崖式的变化。鉴于此，来自全世界数千名数据科学家和业务分析师将聚集在纽约，寻找当前商业和技术生态系统混乱的答案。

下周，来自全世界数千名数据科学家和业务分析师将聚集在纽约，参加今年的主要数据行业活动Strata，他们将寻找当前商业和技术生态系统混乱的答案。2019年是数据和分析领域的结构转变的一年，这一年发生了大量的企业收购与合并，许多企业的业绩发生了陡崖式的变化。鉴于数据世界中的所有这些变化，今年科学家们讨论的内容可能会有所不同。

2019年的收购浪潮只是一个开始。也就是说，我们并没有考虑商业智能领域的根本转变。相反，随着企业寻求最大化商业智能(BI)投资，我们看到了一种自然的进步——获得更快，更简单，更准确的见解。商务智能正在逐渐脱离数据科学家的掌控之中，转移到决策者的手中，这就是为什么我们要在BI的解释方面看到更多的整合而在演示方面更少。

在创业社区中，似乎有一条不成文的规定：如果你的标语中没有“AI”，那么你就不会受到投资者的青睐。但这背后不仅仅是炒作。企业正在大数据生命周期中前进。现在，公司正处于从其数据中寻求可操作且可访问的见解的阶段。只有人工智能的机器学习应用才能理解如此庞大的数据集。而且我不是在谈论基于人工智能的Netflix基于你过去历史的观看建议。我正在谈论将AI的优势推向严重影响收入和竞争优势的道路上。

在海量数据集上实现有效实时BI所需的本地处理能力非常昂贵。本地技术是为批量处理而构建的，但今天的企业不能等待需要数小时或更长时间的工作。这就是为什么数据迁移到云已经过度加速的原因。而现在是时候让公司利用运行其业务的云特定版本的应用程序来获取此举的成果。新的应用程序项目从云原生版本开始。然而，90%的企业应用程序都是为了在本地运行而构建的，这也就意味着这些应用程序需要大规模定制或完全重建才能在云上运行。

在外部世界，几乎没有讨论不涉及隐私和安全的数据。然而，在今年的Strata上，我希望在数据本身的背景下提高隐私和安全问题。今天，由于转向云端，数据安全在数据和分析社区中被视为大型技术和基础设施公司关注的问题，而不是他们的直接责任，而不是紧迫的会议问题。

关注“AIU人工智能实验室”，回复“录播”获取更多人工智能精选直播视频！

完 谢谢观看