2020年数据科学–重点

这篇文章是一堆经过高度修饰的😎链接，以重新介绍Data Science Topics＆amp; 2020年的技术：

直到最近（假设是2020年初），人们一直非常关注Computer Vision，Image＆amp;视频（媒体）数据。但是情况开始发生变化，2020年对于NLP来说是强劲的一年。像Hugging Face spa，spaCy，Rasa这样的公司变得更强大，也更具教育意义，最终推动了一场巨大的NLP革命（即使在行业水平上，通常也很难做到）。

数据科学家是糟糕的Web开发人员，但是如果我们需要构建可以进行语音对话或进行机器学习的Web应用程序，该怎么办？那就是这个域名越来越受欢迎的地方填充

如果ML社区的一件事给很多记者带来了快乐，那就是GPT-3。 GPT-3几乎一直都在新闻中（可能仍然如此）。用他们自己的话说：

5月，我们推出了GPT-3（迄今为止最强大的语言模型），并在不久之后推出了我们的第一个商业产品，该API使用简单的自然语言提示安全地访问人工智能模型。我们为团队的这些以及其他研究突破而感到自豪，这些突破都是我们实现安全，可靠并惠及全人类的通用AI使命的一部分

如果我告诉您，数据科学家可以将更多的时间花费在诸如“数据清理”😝和功能工程之类的关键事情上，而花更少的时间实际选择/构建最佳“模型” **。这基本上就是Auto ML的前提（这就是我的看法）。

最后，模型很容易在Jupyter Notebooks上构建。我们都知道，只需要几行代码，您的`model.fit（）`已经准备就绪。但是接下来呢？多亏了对ML Ops的关注，将这些模型推向产品的新工具和技术可以打破大多数模型都死在PPT或Jupyter Notebook上的数据科学神话！

除此之外，还有诸如FastAI（Pytorch库），可解释性机器学习（俗称可扩展AI），GAN，一阶运动，设备上ML（tensorflow.js / coreML）之类的主题/技术，它们也在不断发展并且正在发展。 值得一试！ 总体而言，对于数据科学与技术展而言，这是令人称奇的一年。 炒作速度放慢的机器学习（糟糕，抱歉，我忘记了仍在运行的GPT-3炒作火车）并提高了成熟度 如果您喜欢这个，请❤️此新闻通讯并与您的朋友分享！