Teradata首席技术官Stephen Brobst说，机器学习将改变数据科学的角色

Matthew+Finnegan

编译 Charles

据分析公司Teradata首席技术官Stephen Brobst讲，随着机器学习技术在企业中的广泛应用，数据科学家的角色将出现变化。

虽然“人工智能”方法背后的很多原理并不是什么新事物，但近年来企业对人工智能的兴趣却日益高涨。据Brobst，随着其应用趋于更加广泛和全面，数据科学家的角色也将开始演化。

他解释说，数据科学家通常花大量的时间解析数据，然后将其送给预测模型。将来，更多的这类工作将会自动完成，数据科学家转而专注于选择哪种机器学习或者深度学习工具来完成具体的任务。

他说：“数据科学家不会把大部分时间花在处理数据本身上，而是把大部分时间花在算法上——因此，您应非常擅长神经网络的算法选择和拓扑选择，等等。

您还需要了解数据性质会怎样影响您的算法选择，但准备数据的时间会少很多，而数据科学家现在有60%多的时间都在准备数据、分解数据、分析数据，对其进行格式化，今后再也不需要这样了。”

他说，随着高级算法用于机器学习目的，这种情况目前已经出现了，但是随着深度學习——机器学习的一个分支的广泛应用，数据科学家关注的重点也会出现变化。

他说：“在深度学习中，对领域知识的要求越来越低，而针对您拥有的所有数据类型选择算法的要求却越来越高，因此，技能的变化会非常非常有趣。”

数据科学技能差距

然而，对很多企业而言，挑战在于首先要找到合适的数据科学专业知识。尽管科技公司努力提供培训课程和资源，但获得技能仍然是最大的挑战。

Brobst解释说：“现在有很大的技能差距，原因在于合格数据科学家的数量远远满足不了需求——这在英国尤其如此。部分原因是因为英国在理解数据科学重要性方面比较靠前，英国企业在这方面起了主导作用。”

这不仅仅是英国面临的问题。他说：“全世界的数据科学家都不够用。全世界都在寻找优秀的数据科学家。”

一种解决办法是改进培训和教育。Brobst解释说：“您不能只做一个零和游戏，只是把数据科学专家从其他地方挖过来，您也应该具备专业知识，还要投资于教育系统。”

在美国，大批的资金投入到STEM中，即，科学、技术、工程和数学，这些都是为了孩子们，尤其是女性，让他们对科学和数学等产生兴趣。作为一个社会，我们对待女性非常不好，例如，女性在小时候往往比男性更擅长数学。但是，我们通过社会压力和其他不良影响，让她们相信，数学不是女性要做的事情；这是男孩子们干的事。当然，这完全是谎话。

我们应改变社会对培养技能的看法，不仅培养女性，甚至还要培养那些说“噢，数学，那是书呆子干的事，没什么好处”的孩子们。这种情况至少在硅谷有所改变，现在书呆子们都很酷，但是我们应投资于教育系统，促进科学技术、工程和数学的应用。

创新是关键

Brobst说，对STEM学科教育的过度关注让我们错过了数据科学等工作的关键方面，即创造性思维能力。

他说：“相对于STEM，我更喜欢STEAM，即，科学、技术、工程、艺术和数学。

我们应该培养创造力，因为如果把工作看成是纯粹机械的东西，那么就不可能实现真正有趣的突破。您只是得到了持续改进的东西，而您真正需要的那种艺术的、冒险的、颠覆性的思维以及数学和科学。人们认为数学和科学都是机械思维，实际不是。

最好的数学家和科学家都是颠覆性的思想家。以阿兰·图灵为例，他显然是个颠覆性的思想家，但他的工作是数学。但是，如果他只从事机械的数学工作，那他就不会对我们今天的生活产生影响。

您可以教人们去创造性地思考。在很多情况下我们都没有做到这一点，尤其是在工程和数学中——如果不是一个完全理性的、一步一步的过程，那么就认为您没有按规则行事。所以数学和科学不仅仅是规则——如果您真的能创新，那就去创造新规则。”

原文网址：

http：//www.computerworlduk.com/data/machine-learning-will-transform-data-science-role-says-teradata-cto-3661856/