18年的10个企业机器学习预测都在这了！

　　机器学习社区中的一些人将可解释性视为一种不错的尝试，以最大化与模型准确度相关的其他指标。然而，这种观点在业务环境中代表着严重的风险，因为可解释性是最好的调试工具。如果我们盲目地信任我们构建的黑盒子，算法偏差就会轻易蔓延。例如，最近有关亚马逊在美国当天的服务的新闻报道显示，即使看起来匿名的数据，也可以通过代理变量产生包含（在这种情况下是种族）偏差的预测。

　　2018年，随着欧盟的GDPR（欧洲通用数据保护条例）于2018年5月25日生效，我们预计更多的这些问题将成为头条新闻。GDPR预计将对当前的“数据科学”实践产生重大影响、严格的要求，包括解释权（即你的深度学习模式能否解释为什么这个客户被拒绝信用？）以及预防偏见和歧视。这只意味着模型透明度将变得越来越重要，无论是对于用户的维护，还是出于法律/伦理的原因。

　　预测＃9

　　深度学习的研究将会持续推进，但由于成本和人才的缺乏，企业的大规模采用将会滞后

　　根据你使用的数据类型以及特定的预测用例，Deepnet可能是唯一的游戏，也可能是不必要的昂贵的环形交叉。在BigML，我们认为Deepnet模型应该是机器学习库的一部分，因此在平台上支持它。尽管如此，在2018年，DL研究的过多的宣传可能会使企业早期使用者受到伤害，将其注意力从更有效和更具成本效益的基准模型转移，并使他们将资源投入专用硬件和复杂和未经证实的神经网络结构难以实施，即使获得罕见的DL专家的保障，这些架构也很难操作且难以维护。

　　预测＃10

　　机器学习将走向全球，但更多的人才将选择留在本地

　　美国，加拿大，澳大利亚，中国等国家都有显著的机器学习印记，这并不是什么秘密。但是我们预测,更多元化的集团的机器学习技术和服务提供商长时间盖过了硅谷等大型科技股神经中心,纽约、波士顿和中国特大城市将“加热”对IBM和埃森哲的全球竞争，并采用更简单的方法使其在各自的区域提供ROI更快。反过来，这将提高全球机器学习的觉醒，为亚洲、欧洲和拉丁美洲的所有类型的组织提供帮助。由此产生的影响将是减缓和部分地将人才流失的趋势转化为技术神经中枢的能力，这些神经中枢正承受着他们自己的负担能力危机。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!