现在这波machine learning 和data analytics的热潮和20多年前excel 热潮有相似的嘛？

请详解现在的热潮非业内人士很好奇

不明觉厉所以现在做data science有前途么？ 我目前正在搞这个，觉得data science在医疗和金融领域的分析还是有一定作用的。

我还是相信90/10定律搞什么science 都一样，真正有用的就那么一少部分

不一样硬件改进了，很多东西能做了，不要总拿过去对比。

这波machine learning只是为下波做铺垫。

下波什么？层主说来听听……

下一波就是算命看相啊

er… Excel有过热潮？我还以为一般人会拿AI跟big data比

有啊data science以后会越来越普及的

下波搞不好就是阶层固化我猜的

Excel改变过社会吗我怎么觉得从我上学开始就大家都会excel呢

挺有前途的啊，医疗和金融都是数据够大的领域，做出来成绩只是个时间问题。

但行业有前途，人就不一定有前途了。未来的趋势是machine learning 和 data science 越来越平民化和工具化，不需要很深的理解也可以拿来用。你想想 相机->傻瓜相机->手机上的摄像头这条发展道路。类比data science, 未来可能不需要那么多能证明learning model 或者速度优化或者精确调参的专家。需要的只是个可以点点鼠标，解读解读数据的人。

不是硬要比，只是想探讨一下data science 的发展。历史或许可以给我们一些insights, 也许不行。如果不行的话，那未来的data science 会怎么发展。

另外我其实觉得，20多年前，也是硬件的进步。电脑微机化和廉价化也在但是造成了深远的影响。Excel 特别是pivot table, formula 和 VBA 也把很多但是不可能的任务变得可能。以至于今天，我们都认为这些任务是理所当然的简单。

当时肯定是用macro和vba啦xmlzj

有啊，上个世纪90年代。直到10年前，甚至五年前；不都流传着“投行excel 技巧大全”和“投行求职必知的excel 快捷键”吗。当然现在excel 变low 了，也没人吹投行的人excel 有多厉害了。

从excel 被发明前到现在，有一段时间， excel 极大的提升了工作效率。创造了不少需要excel 技能的岗位，也减少了很多人工计算的工作量和岗位。当然现在excel 已经变成每个人的必备技能了。

会不会20年后，data science 和machine learning 也变成了每个人的必备技能。但大部分人使用起来，也就是点几下呢？

还真是！最近有几个新闻得注意一下1，某paper说经过统计，根据任何一张人物照片就能判定是不是犯罪嫌疑人
2，另外某paper说，通过照片就能判断同性恋概率……

那就要看政府啦你懂的。

同意楼上以后的确可能是这样，但是也需要几个懂的人来看机器做的东西对不对

最怕是人以为机器总是对的，或者过度依赖机器

这个在Excel是没有的

只是工具大部分人知道AI的东西怎么用就行了，立足之本还是对每个行业的domain knowledge。

domain knowledge也不一定干得过机器啊

呵呵哒 excel能开车吗

现在机器这么牛逼了？我咋不知道呢

ML正在一个domain一个domain的搞啊下围棋的domain knowledge该多吧，也被搞了，而且搞出来人类理解不了的domain knowledge

做的人很多真正懂得人很少做的人很多，真正懂的人。会调参数，会推公式有很强的工程能力能够把解决方案落地的更加少。不要觉得跑个模型，整整数据就是Data Science，真正的Data science需要有处理百亿样本、千亿特征的能力，这些东西都不是简单的调包侠就能做的

能有高水平的data analytics 能力的人的确很少

但未来会不会把这些高水平的能力都封装在一些软件和服务里面，大部分人都只需要一些低水平的数据科学能力就可以从事工作了呢。excel 现在这么流行，也不见得所有的人都要懂 VBA吧。

类比一下：　

高水平数据科学家： VBA experts　

大路货数据科学使用者：Excel user　

PS: 我的观点是：Data Science 这个东西肯定会火。但不一定所有data science从业者都能从中享受分红，甚至一些data science 从业者会被大潮背弃。而且和主流观念不一样的是：懂得越多反而可能危险。因为未来可能不需要这么多　高水平数据科学家，就像现在不需要这么多VBA experts 一样。

一家之言，欢迎讨论。

ML 最有趣的一点是：人觉得很难的任务，机器搞起来不一定难。但人觉得简单的任务，机器搞起来不一定简单。

预测在哪个domain ，机器能干过人类，甚至替代人类，就变成了一个很有意思的问题。您作为从业者，对这个问题有什么看法吗？

我认为现阶段性的AI还只是做，而不会想machine learning还是task oriented, 现阶段的machine learning是machine completing a task, 而且可能比人类做得好。

而“想”是包含引申，归纳，构造等等，比方说小孩子辨识猫跟狗，肯定不像machine learning需要几千张图片，看几个就知道了。所以现在的AI还没办法做inductive learning，不过我觉得这样也很好，有创造性的东西还是应该留给人类做。

一种工具和一项技术没什么可比性

你说这个说明你不动DataScience你用Excel来说Data Science，只能说明你不懂机器学习。

我的确不太懂Data Science,但不妨碍我按我的理解对这个领域进行一点小小的讨论。

如果觉得我水平差，不回我的帖子就行了。不用对我的知识水平做评估。如果想对我的观点进行驳斥，欢迎讨论。如果想人身攻击，欢迎离开。

reai肯定是有泡沫的，但类比excel还是不合适的；
调包和调参的门栏还是比用excel高不少；搞系统和模型更是比vba难了几个量级；
不过搞数据清洗的肯定会淘汰不少，现在好多公司瞎给title，搞数据清洗的也能给data analysit甚至scientist这个才是容易给人一个ml/ds很简单的错觉

把machine learning跟excel比太不恰当了给人的感觉好像都是做数据分析一样， 不过machine learning里面设计的东西多多了。 很可能是懂理论的工程能力不行， 工程能力可以的理论又不行， 两个都有的可能没有business sense。 不过以后data science说不定会变成咨询行业，分析问题和提出数据驱动的解决方案，然后有专门的工程团队来实施落地。

嗯有人总觉得别人不懂，你懂的。。。

你说的理论和工程指的是什么理论是数学，工程指调用各种library跟function?

以后data science肯定不是单机模式的现在自己搞台电脑调个包， 跑跑参数好像就在搞machine learning了。真正到到解决实际问题的时候， 数据量大的时候估计很多人连高效地数据怎么处理都不知道了。工程能力不单指coding, 其他各种分布式系统之类的知识都包括了。 不过以后这两个role说不定会分开， 现在flag就有专门的理论和工程团队， 连国内bat也在赶上

现在这波machine learning 和data analytics的热潮和20多年前excel 热潮有相似的嘛？突发奇想，觉得现在数据分析的热潮在20多年前也有一波。当时是excel, 职场的人也是一窝蜂的去学excel，更高级的去学vba.

现在这波行情是不是很像，调参数的类比用excel; 做模型的类比学vba. 这样一想，大数据改变社会，也不过是excel 改变社会的一次重现嘛。
---
该帖荣获当日十大第8，奖励楼主4分以及6狮城帮币，时间：2017-09-13 22:00:03。