文/Martin Fleming和Seth Dobrin
在这个数据不断膨胀的时代,根据海量数据中的洞见更准确地预测未来的结果,实现工作的自动化,提出行动的建议,对于不同规模的组织和企业而言,都变得越来越重要。
数据科学家的重要性也由此日益凸显。《哈佛商业评论》(Harvard Business Review)曾在2012年将数据科学家评为21世纪最性感的职业。随着关注度和需求量的增加,特别是面对不断激增的数据量,市场对数据科学家的角色与职能的需求,在过去几年中变得供不应求。
事实上,由于缺乏合格的人才,美国各地的许多组织处在急缺数据科学家的境况。美国职业社交网站领英(LinkedIn)2018年8月发布的最新劳动力报告显示,目前美国有超过15.1万个数据科学家职位空缺,纽约、旧金山和洛杉矶等地更是出现了“严重”短缺。
正是在这种戏剧性的背景下,IBM凭借自身多年来在教育与创新的深度融合,以及在人工智能研发和通过人工智能帮助客户成功的专注投入,在数据科学认证和技能培训领域发布了两项重要声明。
首先,IBM与The Open Group今日宣布推出一项史无前例的数据科学家认证计划,旨在为不同规模的组织和个人提供能力实践评估和数据科学技能验证。The Open Group是一家制定开放的、厂商中立的技术标准并提供认证的国际机构。
如同世界各地的IT专业人员一样,对数据科学家而言,The Open Group 证书是一项全球公认值得信赖的通用认证,用以证明持证人掌握了足以胜任这个岗位的知识、技术和专业技能,可为数据科学能力与资质提供客观、可靠的评估。
IBM是全球首家为员工提供The Open Group 认证的企业,因此IBM的员工可直接在IBM内部获得该认证。该认证还具有全球通用性,可以作为一种新的职业模式。数据科学家可以通过项目工作获得三个级别的认证,也能通过IBM Open Badge计划获得一系列荣誉徽章。最终,他们要通过相关经验能力的概述文件获得数据科学家认证,这份概述文件要经过业界公认的专家们的评估。
The Open Group标准与认证副总裁Andrew Josey表示:“随着数据科学家认证的推出,我们在为个人和组织提供数据分析职业的行业性认证方面迈出了第一步,帮助企业识别顶尖人才,也确保个人获得展示自身价值的机会。数据科学家在企业里从事关键性工作,因此确保他们掌握合适的技能,并能运用恰当方法解决手头的业务难题,至关重要。”
同时,一直走在数据科学行业前沿的IBM公司还在今天启动了一个面向内部的“数据科学学徒”(Data Science Apprenticeship)计划。该计划是IBM“新领”(New Collar)工作计划的一部分,为期24个月,面向没有大学文凭的求职者,内容主要包括教育、指导和实践经验。在学徒期间,员工将努力达到The Open Group数据科学家一级认证的要求。这项新计划已被美国劳工部认定为专业学徒项目。
数据科学技能培训和认证方面的这些举措,对于IBM、新兴数据科学家领域乃至整个商业界而言,都不失为明智之举。这些努力不仅会激发新一代数据科学家的力量,还将为企业寻找和聘用数据科学家提供有意义的凭证。这也将有助于揭开招聘流程的神秘面纱,进一步提升数据科学领域的水平,为企业带来透明度和信心。
IBM将支持这一专业联盟作为自身的使命,并作为其实现人工智能转型的关键所在。我们认为,在帮助企业从依赖直觉和经验转变为真正的数据驱动型公司方面,数据科学家会扮演排头兵的角色。
好文章,需要你的鼓励
Aqara Hub M200是进入Aqara生态系统的新入口,作为支持Matter的Zigbee 3.0中枢,可将传感器、开关、按钮等配件通过Matter共享到HomeKit。相比Hub M3设计更紧凑,支持2.4和5GHz双频Wi-Fi。M200充分利用Zigbee协议的低成本优势,让用户以更实惠的价格构建智能家居,同时享受完整的HomeKit功能。对于HomeKit用户来说,这是一个稳定可靠的桥接方案。
腾讯AI实验室联合港校提出RePlan框架,解决复杂图像编辑中的指令理解和精确定位难题。该方法采用"计划-执行"架构,让视觉语言模型先推理制定区域级编辑计划,再通过创新的注意力机制精确执行。仅用1000个样本训练就超越了大规模数据训练的模型,在新建的IV-Edit基准上表现出色。
LG电视通过系统更新强制安装微软Copilot快捷方式引发争议。虽然LG承诺将允许用户删除该图标,但仍计划在webOS系统中深度整合Copilot功能。三星等厂商也在推进类似AI功能。专家指出,智能电视内置聊天机器人会增加隐私追踪的复杂性,加剧系统臃肿问题。当前智能电视行业正通过用户追踪和广告实现软件盈利,消费者应关注隐私保护问题。
这项由香港科技大学等机构联合完成的研究首次让AI获得了原生的3D空间理解能力。N3D-VLM系统能够像人类一样准确感知物体的立体位置关系,先精确定位物体的3D边界框,再进行空间推理。研究团队还开发了巧妙的数据生成方法,将2D标注转换为278万个3D样本,并构建了全新的N3D-Bench测试基准。实验显示该系统在空间推理任务上准确率超过90%,远超现有方法,为机器人、自动驾驶等领域提供了重要技术突破。