雷鋒網按：資料科學、大資料和物聯網正在以令人炫目的速度發展和演進，而商業界正以緩慢的速度將更多來自不同管道的資料整合起來，並能從中洞察更多資訊。本文是 Andrew Dipper 對資料科學行業2017年的展望，並列舉了四大重要趨勢，雷鋒網編譯，未經許可不得轉載。
大資料技術的崛起
在過去一年，我們已經見證了大資料技術驚人的成長，但隨著大資料技術在企業界中被廣泛接受，下一年留給大資料技術的預算會快速增加。大多數企業已經確認需要在業務的資料方向上進行改進，這轉而會需要更多的資料科學家來處理企業需要檢索的大量額外資料。
如果你在追求一份資料科學領域的職業，那麼有關大資料和資料框架的知識是必備的。你可以特別注意一下以下幾個平臺：Apache Hadoop, HDFS, Hbase, Spark, Storm, Solr 和 Kafka。
資料科學從業資格的變化
雖然 Elon Musk認為機器學習正在“召喚惡魔”，但是它仍將繼續發展。Amazon, Facebook 和 Google都在最近幾年加入到了人工智慧的競賽中。在2017年，越來越多的企業會招募最頂尖的機器學習資料科學家。
但同時，工作崗位的競爭也變得更加激烈。在越來越多的大學將 AI 列入課程要求的背景下，從2017年開始，機器學習會成為資料科學行業入門的必備條件。如果你想在競爭中取得先機，有不少的AI和機器學習的認證課程供你選擇。雖然有一些課程的價格達到1萬美元，不過在 Coursera 或者 edX 上也有為數不少免費或低價的培訓課程。
如果你擁有很強的科技和程式設計能力，也能夠説明你在資料科學領域獲得一席之地，尤其是 R 和 Python 語言。同時，SAS 和 MATLAB 的經驗自然也是加分項。
而且，你需要能夠自如地使用關係型數據庫，所以SQL也是一項非常重要的技能。在2015年一項綜合了 3500 個 Linkedin 招聘廣告的研究中，SQL被列為最重要的技能。另外，Hadoop, Python和 Java 也同樣流行。
物聯網和資料科學的融合
雖然存在一些關鍵的不同點，但是資料科學和物聯網經常被視為一個硬幣的兩面。資料科學家會更多地需要從設備中讀取即時資料，進行複雜的分析或以此作出決策。在這樣的背景下，這兩個行業在明年將會有更深的融合。
在現實世界中，這一切是怎麼實現的？ 想像一下這樣的情景：在不遠的將來，你不再需要鑰匙來打開你家的大門。當你走向大門的時候，它會感知到你並且自動為你打開門鎖。當你離開家的那一刻，智慧家庭會關閉所有非必需的耗能設備，來為房主節省花費。
這樣的情景好像只能在星際迷航的“企業號”上才能見到，但是我們應該會在2017年就能看到雛形，因此，你需要確保你有足夠的技能參與到這樣的專案中去。
同 AI 一樣，為物聯網服務的資料科學會要求你可以自如地使用各種設備的 RIL（無線介面層），進行邊緣資料處理，資料處理和深度學習。
資料科學驅動的醫療保健行業
在改善流行病結果和預測病人行為方面，資料科學已經證明了它的價值。
在2015年，資料科學家説明預測了西尼羅河病毒在美國的進一步爆發，準確率高達85%。
在2016年早些時候，一個科學家團隊開發了一套可以預測蝙蝠攜帶埃博拉病毒幾率的模型。
在這樣的背景下，2017年內我們可以期待資料科學在醫療保健行業方面取得長足的發展。
隨著電子醫療保健檔案應用的崛起，可以為我們所用的資料量已經達到了歷史最高水準。雖然大量的資料同時具有好處和不足，但在2017年，還有很多獲利機會留給那些嘗試解碼這些資料的科學家們。如果你正在尋求加入一個新興領域的話，資料科學是一個很好的機會。
雷鋒網對未來醫療及物聯網都有涉獵和關注，我們也相信資料科學將會發揮重要的作用。而在 2017 年，我們又會迎來怎樣的新變化呢？敬請期待雷鋒網關注智慧與未來的相關報導。
via
KDnuggets