至顶网CIO与应用频道 06月28日 北京消息:走下高考的竞技场,又走上高招的棋局,2017年的准大学生们正在做一道人生中至关重要的选择题——专业选择。目前经济结构升级和科学技术进步将大数据专业带入了高招领域,攀升为热门话题,到底是明日黄花,还是经久不衰?领英为你清晰解读大数据专业。
专业现状:火爆之下的求贤若渴
大数据这个词已经热门有近十年的时间,可毕竟我们已经见过太多大一入学时还是热门专业,待研究生毕业时却已经成为“传统专业”的故事,所谓“花无百日红”的魔咒会不会降临到这个专业上呢?领英中国技术副总裁王迪解答到:“这个大数据的人才缺口,我们感觉还是非常大的。”
一方面,大数据是各行各业都需要的辅助技能,就像游戏里增加团队合作效率,延长团队寿命的辅助角色一样,无处不在。互联网行业毋庸赘言,在互联网+带动经济结构转型的大背景下,传统行业甚至更需要大数据专业的帮助。比如新零售或新物流,核心要义就是提高运营效率,降低成本,获取尽可能多的流量红利,这种新运营模式的背后离不开大数据分析的支持。整个社会转型和经济升级对于大数据相关的人才需求量实际上越来越高,大数据人才需求扩散范围也越来越广。
另一方面,大数据专业的不可替代性还很强。随着“人工智能”的普及度提高,一些观点认其发展会导致机器最终取代数据分析师的位置。对此,王迪表示,“这个担忧可能太早了,从产业的实际发展情况来看,通用人工智能方面还有很长的路要走。”比如有一些人工智能的算法或者工具已经使用了,进而产生了很多的数据,这些数据到底如何优化更有价值,反而需要数据科学家和数据分析师发挥作用,“人”才是让“人工智能”发挥作用的关键。可以说,这个专业的未来还很广阔。
报考准备:基础之上的复合学习
从领英的角度看,大数据行业是从过去几年突然新兴然后爆发的,5年或者是10年前很少有企业会招数据科学家或者是数据工程师这样的职位。然而教育体系和市场的爆发存在一定的脱节现象,比如现在还没有太多院校尝试去开设本科阶段的大数据专业,“清华大学的相关课程主要是在研究生阶段,性质是一个跨系的选修学位,所以参与的同学各种背景都会有”,王迪介绍到。这意味着大数据专业办学还处于探索的阶段。在这种情况下,对此感兴趣的准大学生们又该如何做准备呢?
领英认为,学好数据基本功是重中之重。正如王迪所说,“大数据这方面,我认为现在的在校学生如果有意愿在毕业从事这方面的工作,其实在学校里现在可以选修一些与此相关的课程。”从过去的一些经验判断,复合型学术背景的人才在实际工作中往往走得更远。以电子商务为例,因为单一专业的教学大纲容易与市场脱节,实际工作中发现电商企业不一定需求的是电子商务专业的毕业生,掌握电子商务基础的其他学科背景人才在行业内反而较受欢迎。对有志于大数据专业的准大学生们而言,不管最终就读什么专业,如果有志于成为数据分析师,数据库和简单编程是基本功,必须学好;其次,统计原理对理解分析数据和建模很有帮助,也可以在大学期间涉猎;最后,要成为顶尖的数据分析师,除了需要学一些人工智能的机器学习等高级知识外,技术能力之外的软实力也非常重要,正如王迪所说,“决策和创新是数据科学家的终极任务。”
在选择专业时,还有一个不得不提的原则,就是一切选择的前提是适合。对数据不感兴趣的人而言,数据是一些枯燥的符号,而对感兴趣的人而言,那是一片浩瀚星海。准大学生们应该结合自身情况,依据现实背景和对未来的判断做出最优选,参考市场对各领域人才的需求,为职业发展打好基础。大数据专业已经在星海中逐步起航,而你是否做好准备,与他一同遨游?
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。