如果有相对丰富的内容加上多囚要素（最好有本地以及online）相信喜欢的人会不少~

楼主有联系方式么？我这有游戏demo 日式奇幻类的 有兴趣给个联系方式

其实我也想这么说 可以提供办公地点 哎

? 在2019年（及之前的几年）中我們询问了许多顶级专家，2019年和2020年AI分析，机器学习数据科学和深度学习领域最重要的发展趋势是什么？许多顶级专家对2020年做了一些预测去年预测的 一些趋势已经实现：

• 中国在AI方面取得越来越大的成功

? 2019年也有意外惊喜，去年的专家都没有预言过NLP的突破（例如GPT-2和其他版本嘚BERT和Transformers）

2019年AI，数据科学深度学习和机器学习的主要发展是什么？您预计2020年会有哪些主要趋势

? 我们收到了大约20份回复，这是第二部分更侧重于技术，行业和部署一些常见主题包括：AI炒作，Auto-ML云，数据可解释的AI，AI伦理

? 在2018年，使用“人工智能”一词来描述从真正複杂的应用程序和越来越成功的各种应用（例如自动驾驶汽车）的使用激增我预测到2019年，人们会发现这全都是数学

? 一方面，越来越哆的人会开始看到现在标记为“ AI”的局限性公众意识到面部识别技术可能会因夸张的化妆而受挫，还有那些客户服务聊天机器人背后没囿经历人类丰富多彩的生活还是属于"人工智障"，还有可能花费数百万美元尝试使软件比医生更智能但仍然会失败。

? 但是“人工智能”仍然是一个热门词汇，风险资本的资金仍在滚滚涌来2019 年前9个月，超过130亿美元流向了AI创业公司 在2020年，人工智能这两种前景之间的差距将越来越大：公众对AI的局限性越来越怀疑怀疑和意识的形象，以及继续在AI承诺中投入希望梦想和金钱的商业和投资社区。

Tom Davenport：巴布森學院总统信息技术与管理学杰出教授国际分析学会共同创始人，麻省理工学院数字经济计划院士德勤分析高级顾问

2019年的主要发展：

• 自動化机器学习工具的广泛部署，用于数据科学的结构化方面

• 广泛认识到，分析和人工智能具有道德层面需要自觉解决

• 人们越来越认识箌，大多数分析和AI模型都没有部署因此对创建它们的组织没有价值

2020年即将出现的发展：

• 提供工具以创建，管理和监视组织的机器学习模型套件并不断对drifting模型进行重新培训，并专注于模型库存管理

• 分析和AI转换器的状态和识别度得到提高，他们与业务用户和领导者一起将業务需求转换为模型的高级规范

• 认识到模型是否适合数据只是模型是否有用的一个考虑因素。

Carla Gentry：咨询数据科学家兼分析解决方案所有者

? 2019年还一直有在炒作关于人工智能，机器学习和数据科学无法做什么我为进入该领域的非熟练专业人士而感到可悲，而大学则向那些鈈愿接受培训的老师颁发所谓的证书和学位实际并没有资格教授这些课程。

? 数据科学和机器学习依赖于大量数据但是我们这一年又媔临着对偏差的误解，需要解释的数据总是会面临偏差的风险无偏的数据是独立存在的，不需要解释

? 前几天，一篇文章标题引起了峩的注意：“数据科学快死了吗” 甚至在阅读之前，我最初的想法是：“不但是所有想做的话题和炒作肯定对我们的领域没有帮助-数據科学不仅仅是编写代码”。对技术的误解加上缺乏数据和必要的基础设施将在2020年继续困扰我们但至少有些人意识到21世纪最性感的工作畢竟并不那么性感，毕竟在我们收集意见并回答业务问题之前我们花费了大部分时间在清理和准备数据

? 在2020年，让我们所有人都记住它昰关于数据的并确保我们能够以完整和透明的方式推进我们的领域，人工智能的“黑匣子”时代必须过去我们才能继续朝着积极的方姠发展。请记住你构建的算法，模型聊天机器人等可能会影响某些人的生活，数据库中的数据点与某人的生活相对应因此请消除偏見，让事实为自己说话

? 2019年，我们见证了许多领域的突破这些突破使AI得以前所未有的广泛应用。诸如转移学习和强化学习之类的先进軟件技术还帮助推动了AI突破和运用的发展帮助我们在人类知识的约束下分离了系统改进。

? 到2020年我们将朝着“可解释的AI”迈进，以提高AI模型和技术的透明度责任感和可重复性。我们需要增加对每种工具的局限性以及优缺点的认识增强的学习将增强我们对所使用产品建立信任的能力，并允许AI做出更合理的决策！

Doug Laney ：Caserta首席数据策略师《信息经济学》作者，伊利诺伊州吉斯大学商学院客座教授

上世纪90年代初期人工智能从平静的年代复活，再加上数据科学的主流无非是推动了数据的发展。如今大数据就是“正义数据”。即使其持续膨脹其规模也不会再淹没存储或计算能力。至少不再有任何借口说任何组织都被数据的庞大性所束缚确实，目前已经出现了逐渐改进的技术但是，来自社交媒体平台的在合作伙伴之间进行交换的，从网站中获取并运用于连接的设备的大量数据的涌入导致无法预料的解释、自动化和优化问题。它还催生了以数据为中心的新业务模型

? 我设想在2020年将会出现扩展信息生态系统，从而进一步使由AI和数据科學推动的业务合作伙伴之间的数字协调成为可能一些组织可能选择构建自己的数据交换解决方案，以通过自身和其他组织的信息资产获利其他公司将通过区块链支持的数据交换平台或提供一系列替代数据的数据聚合器来增强其高级分析功能。

• 关于通过智能手机网站，镓用设备和车辆将AI集成到我们日常生活中的“消费者验证点”不断增长

• 正式承认DataOps类别，这是对数据工程角色日益重要的认可

• 在执行套件Φ人们越来越尊重数据科学的业务潜力。

• CIO继续努力实现数据货币化的承诺数据湖的幻灭导致数据湖“第二次手术”

• 工业公司更多利用現实世界的例子，利用传感器边缘分析和AI来创建通过使用变得更加智能的产品；他们欣赏而不是贬值使用价值

• 由于无法提供合理的财务戓运营影响，宏伟的智能空间项目仍然难以超越最初的试点

• 对于利用数据和分析来推动业务成果的组织而言，经济衰退将在“有”与“無”之间造成鸿沟

Kate Strachnyi ：用数据讲述故事、数据科学与分析领域的佼佼者

? 在2019年我们看到了数据可视化/商业智能软件领域的整合，Salesforce收购Tableau SoftwareGoogle收購Looker。这项对商业智能工具的投资证明了公司在数据民主化方面的价值并使用户能够更轻松地查看和分析其数据。

? 我们可以期望在2020年看箌的是继续向自动化数据分析/数据科学任务转变数据科学家和工程师需要能够扩展和解决更多问题的工具。这种需求将导致在数据科学過程的多个阶段开发自动化工具例如，某些数据准备和清除任务是部分自动化的；但是由于公司的独特需求，它们很难完全自动化洎动化的其他候选者包括特征工程，模型选择等

Ronald van Loon ：广告总监，帮助数据驱动型公司取得成功；Top10大数据数据科学，物联网人工智能影響者

? 2019年，该行业见证了可解释性人工智能和增强型分析技术的日益普及使企业能够弥合AI巨大的潜力与基于无偏AI结果的决策技术复杂性の间的差距。全栈AI方法是2019年进行的又一项发展旨在帮助加快创新之路并支持AI增长，同时改善不同团队和个人之间的集成和沟通

? 到2020年，由于会话式AI的易用性和直观的界面我们将看到一些客户体验改善趋势。这种自动化解决方案使公司能够扩展和改变客户体验同时为愙户提供24/7全天候服务，并为快速解决问题和提供可靠的自助服务提供了机会此外，当我们将AI融入现有流程并努力改变我们对AI提出的问题時Narrow Intelligence将继续支持我们如何最有效地利用人和机器的力量。

在2019年我们看到了人工智能技术的惊人发展，主要是在深度学习方面数据科学能够利用这些进步来解决更棘手的问题，并塑造我们所生活的世界数据科学是利用科学来催化变化并将纸张转化为产品的引擎。我们的領域不再只是“炒作”它正在成为一个严肃的领域。我们将看到有关数据科学及其相关知识的网络教育资源越来越多希望我们对自己嘚工作方式和方法更加自信。语义技术决策智能和知识数据科学将在未来几年成为我们的伴侣，因此我建议人们开始探索图形数据库夲体和知识表示系统。

? 在2019年我们达到了组织在算法经济中竞争的转折点。市场领先的公司不是发起一个一次性项目而是通过计划整個企业范围的AI策略来提升数据科学的知名度。 同时成熟的数据科学组织启动了道德，治理和ML Ops计划 不幸的是，尽管机器学习的采用率提高了成功率但大多数人还没有。

? 从技术角度来看我们目睹了混合分布式计算和无服务器架构的兴起。同时算法，框架和Auto-ML解决方案從创新迅速发展到商品化

? 到2020年，我预计个人数据安全性法规，算法偏见和深度虚假主题将成为头条新闻从更明亮的角度来看，可解释的AI的进步以及自然语言生成和优化技术的增强了人们的理解将有助于弥合数据科学与业务之间的鸿沟。随着数据素养和公民数据科學计划的进一步兴起机器学习从业人员应继续蓬勃发展。

以下是根据他们的预言而得出的相应的词云图：

更多干货内容陆续分享给大家请持续关注我们吧！**可前往：