¿Cuáles son las implicaciones para los usuarios de Google y Kaggle de Google al comprar Kaggle?

No sé cuáles son todas las implicaciones y opciones estratégicas que implican.

Solo puedo decir que lo discutiremos en nuestro grupo de reunión de Kaggle Berlin y es probable que lo transformemos en un grupo genérico de piratería y aprendizaje de Data Science. La razón es que nuestra comunidad está formada por personas que provienen de las ciencias y ponen la sustancia sobre la forma junto con una gran cantidad de libertad.

Google significa parecer moral a la vez que amoral: piense en la invasión de la privacidad y en cómo Google se integra en el complejo militar-industrial de Washington (verifique qué está haciendo Eric Schmidt + sus antecedentes). Espero que cuasi forcen a las personas a utilizar sus herramientas corporativas y que Kaggle se vuelva más “empresarial”. Para citar a Gilfoyle de la serie de televisión Silicon Valley “¡Esto se ha convertido en un trabajo!” (Reacción a SCRUM).

Nos ocupamos de las mentiras corporativas en nuestros trabajos. ¿Por qué deberíamos tratar con bs corporativos en nuestro hobby? Además, ¿por qué estaría interesado en el reclutamiento si recibo como 100 solicitudes de reclutador / año? (Explotó una vez que pasé 2 años de XP y trabajé como DS en la industria).

También con respecto a Kaggle como producto: se ha vuelto cada vez peor, dado que está utilizando ese sitio para aprender / experimentar en lugar de competir o exponerse en un sitio demasiado colorido y sobrecargado.

Por último, pero no menos importante, si esa comunidad se llena de fanáticos de Google, que no pueden pensar en otra cosa que trabajar con Google, la calidad de la comunidad se irá por el desagüe. Algo similar le sucedió a Quora: las masas siempre son diametrales a la calidad.

Comprar Kaggle es una muy buena jugada de Google. Veo tres razones principales:

  • Están accediendo a una gran comunidad de científicos de datos con talento, pueden usar esa plataforma para reclutar a las mejores personas.
  • Google lanzó recientemente Tensorflow 1.0. Adquirir Kaggle es la mejor manera de promocionar esta biblioteca y asegurarse de que las personas trabajen con ella. Keras 2.0 se lanzó hace solo unos días, las cosas definitivamente se están moviendo para las bibliotecas de Machine Learning y no quieren perderse el barco.
  • Pondrán a utilizar su arquitectura Google Cloud, que es un concurrente directo con los conocidos servicios web de Amazon.

Para Kaggle, la integración de Google Cloud es una buena manera de mejorar su rendimiento, tener un uso fácil de conjuntos de datos más grandes y tal vez organizar competiciones más ambiciosas. Básicamente obtienen acceso a una infraestructura muy poderosa y continúan con su objetivo inicial, que es producir competencias de Ciencias de Datos de alta calidad donde todos puedan participar.

¿Cuáles podrían ser los resultados negativos? Tengo curiosidad por ver las otras respuestas, pero no puedo pensar en ninguna por el momento. El CEO de Kaggle publicó esta nota ayer, diciendo que “Kaggle Kernels continuará apoyando un ecosistema diverso de bibliotecas de aprendizaje automático y paquetes compatibles con Google, así como aquellos fuera del kit de herramientas de Google”. Esto es lo único que debe tener cuidado de acuerdo a mí. Google puede usar Kaggle para promover el deforforlow, pero no deberían prohibir otras bibliotecas para proteger las suyas.

Kaggle ha estado ganando influencia como un dispositivo de detección para el talento de ciencia de datos / aprendizaje automático. Sin embargo, todavía es relativamente desconocido fuera de los círculos de reclutamiento de tecnología muy informados. Un resultado potencialmente positivo de esta adquisición para los competidores de Kaggle es que sus perfiles podrían obtener una visibilidad y apreciación mucho más amplia.

¡Diría que es realmente un movimiento inteligente de Google!

Kaggle

Realmente se está desempeñando bien en el campo de la ciencia de datos y el aprendizaje automático. Puede encontrar muchos geeks de ML en esta plataforma. Han estado compitiendo con datos de Topcoder y Driven desde hace mucho tiempo. Es el hogar de la comunidad de científicos de datos y entusiastas del aprendizaje automático más grande del mundo.

Veamos cuáles serán los efectos tanto para Google como para Kaggle después de la adquisición.

  • Al adquirir Kaggle, tiene la oportunidad de usar la tecnología Google Cloud que nos permite acceder a la poderosa infraestructura, los servicios de capacitación e implementación escalables y la capacidad de almacenar y consultar grandes conjuntos de datos.
  • Google ahora puede competir con Microsoft Azure ML y los servicios web de Amazon, que son más grandes que Google Cloud.
  • A partir de esto, Google puede contratar a los mejores científicos de datos.

Esto es lo que siento de esta adquisición que Google ha realizado.

More Interesting

¿Qué piensan los profesionales de analistas de negocios sobre el término 'ciencia de datos'?

¿A qué nivel, o cuánta programación, necesito saber para convertirme en científico de datos?

¿Cuáles son algunas ideas o proyectos en Machine Learning o análisis de big data en un hackathon?

¿Qué empresas de TI en India contratan para desarrolladores de Big Data / Hadoop?

¿Hacer una ciencia de datos implica crear nuevas ideas creativas para que una empresa sea mejor en ventas y publicidad (como Don Draper de Mad Men)?

Ciencia de datos: ¿dónde encontrar ejemplos de proyectos usando Python con SQL?

¿Cuánto tiempo lleva aprender correctamente big data y ser un analista exitoso?

¿Cómo aportamos el tipo de credibilidad a nuestra implementación y análisis de big data que disfrutan las prácticas tradicionales de gestión de la información basadas en modelos canónicos?

¿Por qué el proyecto 'Análisis de sentimientos de Twitter' es tan popular / importante?

¿Cuáles son los pros y los contras de una carrera en ciencia de datos?

¿Cuáles son las aplicaciones de big data y Hadoop en educación?

¿Existe una comunidad de ciencia de datos en Egipto?

¿Qué gráficos de Nvidia, GeForce o Quadro, son los mejores para aplicaciones de análisis de datos grandes, modelado computacional y ciencia de datos?

¿Cómo se ve el currículum de análisis de datos experimentados con 3 años?

¿De dónde puedo aprender XGBoost? Quiero aprenderlo desde cero y no solo la implementación.