在這次問答中，格蘭維爾(Granville)討論了數據科學趨勢，人工智能和物聯(lián)網對數據科學家的影響，組織和數據科學家將如何適應不斷增長的數據隱私法規(guī)以及人工智能的發(fā)展。

DataTarget Central于3月4日被TechTarget收購。

文森特·格蘭維爾(Vincent Granville)：我相信我們會看到兩個方面的增長。我們將看到大學將提供更多的數據科學課程，甚至是碩士學位，甚至還有博士學位，以及針對使用數據的從業(yè)人員的更多訓練營和在線培訓，但缺乏一些技能，例如統(tǒng)計編程或諸如深度學習之類的現代技術-有些古老的東西，但是由于現在可以用來訓練和優(yōu)化這些模型的計算能力而在最近變得很流行。

還有一個平行的趨勢將會增加，包括雇用傳統(tǒng)上不被認為是數據科學家的專業(yè)人員，例如物理學家，他們在數據處理方面具有豐富的經驗。在金融科技領域，情況已經如此，這些專業(yè)人員將學習工作中所需的新技能。公司通過將選定的員工派往技術和數據訓練營對公司內部進行員工培訓，這將有助于增加所需職位的潛在招聘渠道。

而且，人工智能本身將幫助構建更多工具來自動化一些艱巨的工作，例如數據探索，這是許多數據科學家如今所要做的，目前正在消耗多達80%的時間。將其視為自動執(zhí)行AI的AI。

同樣，隨著AI的出現，可以使數據科學工作流的各個部分實現自動化，數據科學將如何或將如何發(fā)生變化?

格蘭維爾：我們將看到更多自動化的數據科學任務。在日?；顒又?，我已盡可能地自動化，或者外包或使用平臺來完成許多任務-甚至自動化了純數學工作，例如計算積分或在數字序列中查找模式。

問題是員工抵制使用此類技術，因為他們可能會將其視為替代這些技術的一種方式。但是事實恰恰相反：您[手動]可以自動執(zhí)行的任何操作實際上都會降低您的工作安全性。為了進一步采用自動化數據科學來完成特定任務(簡單或不太簡單)(例如創(chuàng)建分類法或編寫程序的程序)，必須改變思維方式。