1
| 本文作者： 乌布 | 2016-12-20 10:39 |
雷锋网按：数据科学、大数据和物联网正在以令人炫目的速度发展和演进，而商业界正以缓慢的速度将更多来自不同渠道的数据整合起来，并能从中洞察更多信息。本文是 Andrew Dipper 对数据科学行业2017年的展望，并列举了四大重要趋势，雷锋网编译，未经许可不得转载。
在过去一年，我们已经见证了大数据技术惊人的成长，但随着大数据技术在企业界中被广泛接受，下一年留给大数据技术的预算会快速增加。大多数企业已经确认需要在业务的数据方向上进行改进，这转而会需要更多的数据科学家来处理企业需要检索的大量额外数据。
如果你在追求一份数据科学领域的职业，那么有关大数据和数据框架的知识是必备的。你可以特别注意一下以下几个平台：Apache Hadoop, HDFS, Hbase, Spark, Storm, Solr 和 Kafka。
虽然 Elon Musk认为机器学习正在“召唤恶魔”，但是它仍将继续发展。Amazon, Facebook 和 Google都在最近几年加入到了人工智能的竞赛中。在2017年，越来越多的企业会招募最顶尖的机器学习数据科学家。
但同时，工作岗位的竞争也变得更加激烈。在越来越多的大学将 AI 列入课程要求的背景下，从2017年开始，机器学习会成为数据科学行业入门的必备条件。如果你想在竞争中取得先机，有不少的AI和机器学习的认证课程供你选择。虽然有一些课程的价格达到1万美元，不过在 Coursera 或者 edX 上也有为数不少免费或低价的培训课程。
如果你拥有很强的科技和编程能力，也能够帮助你在数据科学领域获得一席之地，尤其是 R 和 Python 语言。同时，SAS 和 MATLAB 的经验自然也是加分项。
而且，你需要能够自如地使用关系型数据库，所以SQL也是一项非常重要的技能。在2015年一项综合了 3500 个 Linkedin 招聘广告的研究中，SQL被列为最重要的技能。另外，Hadoop, Python和 Java 也同样流行。
虽然存在一些关键的不同点，但是数据科学和物联网经常被视为一个硬币的两面。数据科学家会更多地需要从设备中读取实时数据，进行复杂的分析或以此作出决策。在这样的背景下，这两个行业在明年将会有更深的融合。
在现实世界中，这一切是怎么实现的？ 想象一下这样的情景：在不远的将来，你不再需要钥匙来打开你家的大门。当你走向大门的时候，它会感知到你并且自动为你打开门锁。当你离开家的那一刻，智能家庭会关闭所有非必需的耗能设备，来为房主节省花费。
这样的情景好像只能在星际迷航的“企业号”上才能见到，但是我们应该会在2017年就能看到雏形，因此，你需要确保你有足够的技能参与到这样的项目中去。
同 AI 一样，为物联网服务的数据科学会要求你可以自如地使用各种设备的 RIL（无线界面层），进行边缘数据处理，数据处理和深度学习。
在改善流行病结果和预测病人行为方面，数据科学已经证明了它的价值。
在2015年，数据科学家帮助预测了西尼罗河病毒在美国的进一步爆发，准确率高达85%。
在2016年早些时候，一个科学家团队开发了一套可以预测蝙蝠携带埃博拉病毒几率的模型。
在这样的背景下，2017年内我们可以期待数据科学在医疗保健行业方面取得长足的发展。
随着电子医疗保健档案应用的崛起，可以为我们所用的数据量已经达到了历史最高水平。虽然大量的数据同时具有好处和不足，但在2017年，还有很多获利机会留给那些尝试解码这些数据的科学家们。如果你正在寻求加入一个新兴领域的话，数据科学是一个很好的机会。
雷锋网对未来医疗及物联网都有涉猎和关注，我们也相信数据科学将会发挥重要的作用。而在 2017 年，我们又会迎来怎样的新变化呢？敬请期待雷锋网关注智能与未来的相关报道。
via KDnuggets
【招聘】雷锋网坚持在人工智能、无人驾驶、VR/AR、Fintech、未来医疗等领域第一时间提供海外科技动态与资讯。我们需要若干关注国际新闻、具有一定的科技新闻选题能力，翻译及写作能力优良的外翻编辑加入。
简历投递至 wudexin@leiphone.com，工作地 北京。
相关文章：
干货 | 从菜鸟到老司机，数据科学的 17 个必用数据集推荐
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
