De 10 mest populære maskinlæringsrammer brukt av dataforskere

Big data er nå økonomi og ikke bare teknologi Bill Schmarzo, teknologisjef for IoT og analytics ved Hitachi Vantara, setter seg sammen med TechRepublics Tonya Hall for å snakke om hvordan rengjøring av riktige data ved bruk av maskinlæring kan gi en positiv avkastning i AI-en din.

Data science jobber er blant de mest ettertraktede karrierer i Amerika, og tar nr. 1 plass på Glassdores liste over beste jobber i Amerika de siste tre årene, og kan skryte av høye gjennomsnittslønn for de med riktig ferdighetssett. Disse fagfolkene rapporterer også om høy jobbtilfredshet, ifølge en fersk rapport fra figur åtte: 89% av dataforskerne sa at de elsker jobben sin, opp fra 67% i 2015.

Etterspørselen etter dataforskere er fortsatt høy, fant rapporten: 49% av de 240 dataforskerne spurte at de blir kontaktet minst en gang per uke for en ny jobb. En del av grunnen til dette er at flere selskaper utvider innsamlingen og bruken av data, og trenger en profesjonell som kan analysere dem for å drive forretningsinnsikt og anvende den på nye teknologier som maskinlæring og kunstig intelligens (AI).

Mer om Big Data

  • Datahåndtering: Et jukseark
  • Hvordan integrere robotprosessautomatisering i big data-prosjekter
  • Programmereren Hadley Wickham utpeker mangfoldet av R-samfunnet
  • Hvordan velge riktige dataanalyseverktøy: 5 trinn

Rundt 90% av dataforskerne sier at noe av arbeidet deres informerer om AI- og maskinlæringsprosjekter, viser rapporten. Nesten 40% sa at et flertall av arbeidet deres gjør det. Det betyr imidlertid ikke at arbeidet er uten utfordringer: Noen 55% av de spurte sa at kvaliteten og mengden av treningsdataene er den største utfordringen i arbeidet.

Datavitenskap og maskinlæring forblir relativt unge felt, så det er ennå ikke overveldende enighet om hvilke språk, verktøy og rammer som er best. Mens maskinlæringsfellesskapet i stor grad har begynt å bruke Python (61%), er det ifølge rapporten fortsatt stor variasjon i maskinlæringsrammer som er i bruk.

Her er de 10 beste læringsrammer for maskiner som brukes av dataforskere, ifølge rapporten:

  1. pandaer
  2. Numpy
  3. Scikit lære
  4. Matplotlib
  5. tensorflow
  6. Keras
  7. Seaborn
  8. Pytorch & Torch
  9. AWS Deep Learning AMI
  10. Google Cloud ML-motor

Det er verdt å fremheve at mange av disse populære verktøyene er åpen kildekode - inkludert Pandaer, Numpy, Scikit-learning, Matplotlib og Tensorflow - som indikerer at dette fellesskapet foretrekker åpen kildekode, samfunnsdrevet programvare, opplyser rapporten. Siden mange av disse rammene har eksistert i årevis, er det sannsynlig at tidlige adoptere nå er godt kjent med dem, og at det vil ta tid, krefter og kvalitet på ytelsen for andre å få dem til å se fra de beste spilleautomatene.

De store takeawayene for teknologiledere:

  • 49% av dataforskerne blir kontaktet minst en gang per uke for en ny jobb. - Figur Åtte, 2018
  • Pandas, Numpy og Scikit-learning er de mest populære maskinlæringsrammer for dataforskere. - Figur Åtte, 2018

Data, Analytics og AI Nyhetsbrev

Få eksperttips for å mestre grunnleggende grunnleggende analyser av data, og følg med på den siste utviklingen innen kunstig intelligens. Leveres mandager

Registrer deg i dag

© Copyright 2021 | mobilegn.com