概述
数据不会让过去更好，但是，它确实可以创造一个美妙的未来。 近年来，许多公司已经在数据科学领域投资数百万美元。这显示了对数据科学潜力的巨大信仰，相信它可以创造更好的世界、更好的生活和更好的未来。 数学、计算机科学和领域专业知识这强大的三重奏重新定义了做出决策的过程。直觉或本能不再是复杂决策的关键。 几年前的开创性发明现在已经变得过时。数据科学赋予我们超乎想象的可能性。许多东西随着时间腐朽和进化。然而，最好的技术即将到来。我十分兴奋地看到它就在我的眼前！
这些图片显示了什么？
我们都知道图片易于理解，而且传递的信息比文本更多。基本上，这些图片描绘了数据科学作为一个领域的旅程，包括发展、发明、成就以及对我们日常生活产生影响的一切。 你谈论政治、经济、科学、人生、运动，几乎一切都得益于数据科学的服务。我尝试在这些图片中捕捉它们最好的瞬间。 希望你喜欢它们！
20张图片
1.该事件标志了“数据科学家”革命的开始。在这份研究报告发表之后，全世界立刻承认了搞懂数据的“潜在”需求。
2.麦肯锡对分析人才需求与供给增长不平衡的研究报告进一步推动了这场革命。不过，这主要集中在美国市场，但是它的涟漪波及了全球产业。（图片来源：麦肯锡报告）
3.作为人工智能领域的首次突破，IBM创造了它的第一台人工智能计算机IBM Watson。它为了在流行游戏节目“Jeopardy”中比赛而被开发，最终Watson击败了最厉害的Jeopardy冠军中的两人（Ken & Brad）。这标志着下一级别的人工智能的开端。
4.数据科学在棒球运动中发挥了重要作用。这带来了2000年以来球员数据的需求和可用性的突然爆发，被称为2000年后棒球数据革命的开端。
5.2009年，Netflix组织了一场比赛，用于改进其内容推荐系统的准确性和相关性。这支队伍解开了谜题，赢得了1000000美元奖金。当然，这在数据科学历史上也是最值得注意的事件之一。
6.这是最好的统计。Peter Brand（《点球成金》）解释了让他们在即将来临的棒球赛季获胜的统计数字游戏。他的名言“在棒球中，目标不应该是买球员，而应该是买胜投数。为了买胜投数，你需要买得分！”
7.在2012年总统大选中，Nate Silver正确预测了50个州中的50个。他用了概率、图论、贝叶斯定理等方法实现这一壮举。这种准确度级别导致使用统计学完全改变了作出政治预测的方式。
8.这将是属于深度学习的十年吗？这张图片显示了过去4年内谷歌采用的深度学习项目数量。（图片来源：彭博）
9.这是一场Google图像识别软件和一名数独冠军（人类）之间的比赛。当冠军作出分析并计算正确数字时，Google Googles在几秒钟之内就解决了问题。
10.一家汽车制造厂中工业机器人在起作用。这些机器人高精度、低误差，且响应速度超过人类。汽车制造业正在走向这种自动化的劳动形式。
11.压力记录。是的，压力也可以以数据的形式被记录了！现在，市场上有几种设备和应用可以记录压力水平并预测可能的健康问题。
12.我们讨论数据收集的新方法，这里是另一个。公司开发app和软件追踪你的健身水平，并推荐相应的健康产品。今天你所做的一切都将生成数据。
13.远行更容易。这个图像识别软件即时翻译文本，当旅行到一个新国家时你不再需要面对陌生语言的麻烦。
14.2012年还有一项突破性研究发生在数据科学领域。在Google，一台计算机使用16000个处理器创建的神经网络学会识别猫。
15.无人驾驶飞机（UAV），也称为无人机，是为某个特定任务预编程的飞行器。它可以用于安全（间谍相机）、递送货物、监测等等。这是一种生产较早时候被认为难以捕捉的数据的先进方式。
16.自动驾驶汽车，Google，百度，福特等公司正在努力研究这一项目。这是一个机器从周围环境中学习的完美例子。你看，这辆车检测到一个人正在过马路吗？
17.每个时刻，人工智能正在成为人类直觉更好的挑战者。机器人现在可以像人类一样看和思考。然而，超感官知觉仍然是一个挑战。如果在不久的将来看到周围有很多这类“人”，不要感到困惑。
18.物联网向人类承诺了一个难以置信的未来。创建连接设备的网络将会让人生活得更快更方便。（图片来源：The Connectivist）
19.机器学习将延长生命。Google继续用他们的项目激发人类灵感。这是Google项目Verily，它的目的是用机器学习和高级图像处理技术让机器人更好地协助外科手术。（图像来源：Verily）
20.Google趋势显示数据科学在2016年也会实现可观的增长。
结束语
这篇文章关于描绘数据科学和机器学习中显著增长的20张图片。没有人知道数据和技术的融合能设计一个精彩的未来。然而，这十年我们将经历这样的未来。 在编写这篇文章时，我学到了一点：如果某个人想要进入数据科学和分析，不要等待更好的时机，现在就是，现在就做。企业正在疯狂地寻找有才能的候选人，成为那个人吧。
来自analyticsvidhya，作者Manish Saraswat，数艺智训编译，机器之心授权转载。
