Esta es una pregunta muy pertinente. Hay una probabilidad muy alta de que el análisis de datos sea el primer mártir en el ataque de la automatización. Aquí hay una bonita caricatura sobre lo mismo:
Esta caricatura fue dibujada por Jon Carter.
- ¿Hay grupos de investigación trabajando en aprendizaje profundo teórico?
- ¿Cuáles son las cosas más difíciles o problemáticas para los ingenieros de Machine Learning / Deep Learning?
- ¿Cuáles son algunas implementaciones geniales de aprendizaje automático?
- ¿Cuáles son los formatos estándar para compartir datos de aprendizaje automático?
- ¿Alguien puede responder a estas preguntas relacionadas con la competencia de kaggle?
Hay un buen artículo sobre los factores que impulsan la automatización: Seis signos muy claros de que su trabajo se debe automatizar. El artículo establece seis criterios para juzgar si un trabajo puede ser reemplazado por un robot.
- Implica poco contacto físico o manipulación de cosas,
- Implica responder preguntas dependientes de datos,
- Involucra análisis cuantitativo,
- Implica la creación de narrativas basadas en datos,
- El rendimiento constante es crítico para su rol o
- Existen reglas bien definidas para realizar el trabajo
Si examina detenidamente todos estos criterios son aplicables al trabajo de un científico de datos (especialmente los puntos 2, 3 y 4).
Ahora la pregunta es ¿cómo reemplazará la IA a los científicos de datos? Creemos que será a través de nuevos productos que apliquen AI / ML a la analítica. Llamamos a estos productos Robo-Analytics. De hecho, el producto estrella de nuestra empresa es una solución de análisis de robo para la comprensión llamada Narrador (más sobre eso aquí: https://g-square.in/products/nar…).
