Az adattudomány virágzó birodalmában 2024 eljövetele sarkalatos pillanatot hirdet, amikor reflektorfényünket az innovációt ösztönző és az analitika jövőjét alakító jelzők egy kiválasztott csoportjára helyezzük. A „Top 12 Data Science Leaders List” jelzőfényként szolgál, ünnepli ezen személyek kivételes szakértelmét, látnoki vezető szerepét és jelentős hozzájárulását a területen. Csatlakozzon hozzánk az úttörő elmék ezen a felfedezésén, miközben eligazodunk narratíváik, projektjeik és látomásaik között, amelyek azt ígérik, hogy alakítják az adattudomány pályáját. Ezek a példamutató vezetők nemcsak úttörők; ők az élcsapatokat testesítik meg, akik a páratlan innováció és felfedezés korszakába irányítanak bennünket.
12-ben a 2024 legjobb adattudományi vezető listája
Ahogy közeledünk 2024-hez, az egyének egy jellegzetes csoportjára összpontosítunk, akik figyelemre méltó szakértelemmel, vezetői képességekkel és figyelemre méltó hozzájárulással rendelkeznek az adattudományon belül. A „Top 12 Data Science Leaders List” célja, hogy elismerje és rávilágítson ezekre a személyekre, elismerve őket gondolati vezetőkként, újítókként és befolyásolókként, akik várhatóan jelentős mérföldköveket fognak elérni a következő évben.
Ahogy egyre mélyebbre ásunk a részletekben, nyilvánvalóvá válik, hogy ezeknek az egyéneknek a nézőpontja, vállalása és kezdeményezése megváltoztathatja módszereinket és adatfelhasználásunkat a különböző szektorokat átfogó komplex kihívások kezelésében. Legyen szó előrelépésről a prediktív elemzésben, az etikus AI-gyakorlatok támogatásáról vagy a legmodernebb algoritmusok fejlesztéséről. TA listán kiemelt személyek 2024-ben képesek befolyásolni az adattudomány terepet.
1. Anndrew Ng
„A mai mesterséges intelligencia játékának nagy része az, hogy megtalálja a megfelelő üzleti környezetet, hogy illeszkedjen hozzá. Szeretem a technológiát. Rengeteg lehetőséget nyit meg. De végül a technológiát kontextusba kell helyezni, és bele kell illeszteni egy üzleti felhasználási esetbe.”
Dr. Anndrew Ng brit-amerikai informatikus Gépi tanulás (ML) és a Mesterséges intelligencia (AI) szakvélemény. Az AI fejlesztéséhez való hozzájárulásáról beszélve a DeepLearning.AI alapítója, a Landing AI alapítója és vezérigazgatója, az AI Fund általános partnere, valamint a Stanford Egyetem számítástechnikai tanszékének adjunktusa. Ezenkívül ő volt az alapító vezetője a mély tanulással foglalkozó mesterséges intelligencia kutatócsoportnak a Google AI ernyője alatt, a Google Brainben. Főtudósként is dolgozott a Baidunál, ahol egy 1300 fős mesterségesintelligencia-csoportot mentorált, és kidolgozta a vállalat mesterséges intelligencia globális stratégiáját.
Mr. Anndrew Ng vezette a MOOC (Massive Open Online Courses) fejlesztését a Stanford Egyetemen. Ezenkívül megalapította a Coursera-t, és több mint 100,000 200 diák számára kínált gépi tanulási (ML) kurzusokat. Az ML és az online oktatás úttörőjeként a Carnegie Mellon Egyetemen (MIT) és a Kaliforniai Egyetemen (Berkeley) szerzett diplomát. Ezenkívül több mint 100 kutatási cikk társszerzője volt az ML, a robotika és a kapcsolódó területeken, és megkapta a Tiime XNUMX-as listáján a világ legbefolyásosabb személyeit.
"Arra kellett volna bírnunk, hogy a mesterséges intelligencia elvégezze az összes munkát, és mi játszunk, de az összes munkát mi végezzük, és a mesterséges intelligencia játszik!"
Andrej Karpathy, a Stanfordból származó szlovák-kanadai PhD birtokos egyfajta JARVIS-t épít az OреոΑӏ-n. A Tesla mesterséges intelligencia és Autopilot Vision AI igazgatója volt. Karpathia szenvedélyes a mély neurális hálók iránt. Útját Torontóban indult számítástechnika és fizika kettős szakán, majd ezt követően Columbiába ment továbbtanulni. Ott Michiel van de Panne-nal együtt dolgozott a fizikailag szimulált figurák vezérlőinek tanulásán.
Sőt, Fei-Fei Li-vel is dolgozott a Ph.D. a Stanford Vision Labban, ahol a Konvolúciós Neurális Hálózat és a Ismétlődő neurális hálózat architektúrák és alkalmazásaik Természetes nyelvi feldolgozás és a Számítógépes látás és a metszéspontjuk. Ő tervezte és ő volt az első elsődleges oktatója a CS 231n: Convolutional Neural Networks for Visual Recognition programnak. Lelkes blogger, mély tanulási könyvtárak fejlesztője, valamint szenvedélyes adattudományi szakértő.
Amena Anadkumar Mysore-ban, Indiában született, a Caltech breni professzora, és az NVIDIA AI-kutatási részlegének vezető igazgatója. 159,417 XNUMX követővel rendelkező influencer, kutatási területe a nagyszabású gépi tanulás, a nem konvex optimalizálás és a nagy dimenziós statisztikák. Anadkumar diplomát szerzett az Indian Institute of Technology (IIT) Madras-ban és a Cornell Egyetemen, és korábban az Amazon Web Services vezető tudósa volt. Az ACM, az IEEE és az Alfred P. Solan Alapítvány munkatársa. Az új mesterséges intelligencia fejlesztésében végzett munkája felgyorsítja az AI tudományos alkalmazásait, beleértve a tudományos szimulációkat, az időjárás előrejelzést és a gyógyszertervezést. A NeurIPS-en és az ACM Gordon Bell különdíjban részesült a HPC-alapú COVID-19 kutatásért.
„Hiszek abban, hogy a mesterséges intelligencia jövője megváltoztatja a világot. A kérdés az, hogy ki változtatja meg az AI-t? Nagyon fontos, hogy sokféle diákcsoportot és jövőbeli vezetőt vonjunk be a mesterséges intelligencia fejlesztésébe.”
Fei-Fei Li a Stanford Institute for Human-Centered Artificial Intelligence (AI) és a Vision & Learning Lab társigazgatója. A Stanford Egyetem számítástechnikai tanszékének beiktató Sequoia professzora. Dolgozott a Google alelnökeként és a Google Cloud AI/ML vezető tudósaként is. Több éves tapasztalatával szorosan együttműködött olyan területeken, mint a kognitív ihletésű mesterséges intelligencia, a mély tanulás, a gépi tanulás, a számítógépes látás, az AI az egészségügyben stb.
Kutatásairól szólva több mint 200 tudományos cikket publikált konferenciákon és a releváns szakterületek jelentős folyóirataiban. A Fei-Fei Li által kifejlesztett ImageNet egy forradalmi projekt a mesterséges intelligencia és a mély tanulás legújabb határterületein. A technikai út mellett országos szinten zászlóvivője az AI és a STEM sokszínűségének. Munkásságáért díjat kapott, többek között az ELLE Magazine 2017-es Nők a technikában című díjat, a Foreign Policy 2015-ös globális gondolkodója, valamint 2016-ban a Carnegie Foundation rangos „Nagy bevándorlók: Amerika büszkesége” című díjat.
"A mesterséges intelligencia az emberi intelligencia erősítője, és ha az emberek okosabbak, jobb dolgok történnek: az emberek termelékenyebbek, boldogabbak, és a gazdaság törekszik."
A kutatás, műszaki tanácsadás és tudományos tanácsadás terén jártas Yann LeCun a Facebook vezető mesterséges intelligencia tudósa. Világszerte ismert a mobil robotikáról, a gépi tanulásról, a számítógépes látásról és a számítógépes idegtudományi munkáiról. LeCun konvolúciós hálókat alapított, és konvolúciós neurális hálózatokat használó OCR és számítógépes látási projektekhez járult hozzá. A NYU Data Science Center alapító igazgatója és a képfeldolgozási kutatási osztály vezetője volt. LeCun úr a DjVu egyik elsődleges alkotója, és 2018-ban Turing-díjat kapott Yoshua Bengiotól és Geoffrey Hintontól a mély tanuláshoz való hozzájárulásukért.
LeCun a gépi tanuláshoz való hozzájárulásáról ismert, nevezetesen a konvolúciós neurális hálózatairól. Ezeket a biológiai ihletésű hálózatokat optikai és kézírás-felismerésre alkalmazták, létrehozva egy bankcsekk-felismerő rendszert. Ezt a rendszert az NCR és más vállalatok is alkalmazták, és az 10-es évek végén és a 1990-es évek elején az összes amerikai csekk 2000%-át dolgozták fel.
„Még a mai hálózatok is kisebbek, mint a viszonylag primitív gerinces állatok, például a békák idegrendszere.
Ian Goodfellow amerikai számítógépes tudós jól ismert a gépi tanulással kapcsolatos kutatómunkájáról. Az Apple gépi tanulási igazgatójaként dolgozik. Andrew Ng felügyelete alatt B.S. végzettséggel rendelkezik. és M.S. Számítástechnika szakon a Stanford Egyetemen. Ph.D fokozatot is szerzett. az Université de Montréalból Yoshua Bengio és Aaron Courville felügyelete alatt. Ian Goodfellow, aki korábbi munkájáról beszél, több éves tapasztalattal rendelkezik a mélytanulás terén, kutatóként dolgozott a Google Brainnél. Ezt követően csatlakozott az Open AI-hez (első éveiben), majd visszatért a Google kutatásába.
Ian Goodfellow is kutatta és megírta a „Deep Learning” című tankönyvet, amely a generatív ellenséges hálózatok feltalálásában szerzett kiemelkedő szerepet. Amikor a Google-nál dolgozott, olyan rendszert hozott létre, amely megkönnyíti a címek automatikus átírását az Utcakép autófotóiból a Google Térkép számára. Ezenkívül a Goodfellow felfedte a gépi tanulási rendszerek sebezhetőségeit. 2017-ben az MIT Technology Review a 35 35 év alatti innovátor közé ismerte el, 2019-ben pedig a Foreign Policy felvette a 100 globális gondolkodó listájára.
A LinkedIn 127,491 2014 követőjével ő az egyik követhető adattudományi vezető. Clement Delangue a Hugging Face vezérigazgatója és társalapítója. Ez egy nyílt forráskódú gépi tanulási platform, ahol a kutatók világszerte megoszthatják mesterségesintelligencia-modelleket, adatkészleteiket és bevált gyakorlataikat. Akadémiai hátteréről beszélve a Stanford Egyetemen végezte el a Számítástechnika és programozási módszertan Bevezetését. Első indítási tapasztalata a Moodstocksnál volt, a számítógépes látás gépi tanulásának felépítésére, majd később a Google megvásárolta. Ezt megelőzően a VideoNot.es, a digitális kor egyik vezető jegyzetkészítő platformja társalapítója és vezérigazgatója volt. Ezután marketing és növekedési részleget épített a Mention számára – 160-ben vezető európai startup. A gépi tanulás terén szerzett szakértelmével Hugging Face XNUMX millió dollárt gyűjtött össze a Sequoia, Coatue, Lee Fixel, Lux, Betaworks cégtől, az Instagram és a Snapchat első befektetőitől. , a Salesforce vezető tudósa és Kevin Durant.
A gépi tanulás, a természetes nyelvi feldolgozás, a mesterséges intelligencia és a szoftverek terén szerzett több éves tapasztalattal és kutatási érdeklődéssel, Jay Alammar a Cohere igazgatója és mérnöki munkatársa (természetes nyelvi feldolgozás). Partnerként kezdett a Machine Learning Engineering területén, és az élvonalbeli Language AI és NLP modellekkel segíti a fejlesztőket üzleti problémák megoldásában. Most tanácsot ad a vállalatoknak és a fejlesztőknek a nagy nyelvi modellek használatában a valós nyelvfeldolgozási használati esetek megoldására. Stanfordi diplomával rendelkezik vezetőképzési, befolyási és tárgyalási stratégiai programból. Jaynek van egy angol tech blogwebhelye is a Machine Learning K+F-hez, ahol mindent közzétesz az NLP-ről, a gépi tanulásról és a mesterséges intelligenciáról. Jay több mint 10,000 XNUMX tanulónak segített összetett gépi tanulási témákban. Tehát, ha az egyik legjobb adattudományi vezetőt keres, számíthat Jay Alammarra.
"A mesterséges intelligencia valószínűleg a világvégéhez vezet, de addig is lesznek nagyszerű cégek."
Sam Altman az Apollo Projects partnere. Korábban az OpenAI-nál dolgozott társalapítóként és vezérigazgatóként. Sam Altman a Stanford Egyetemre járt, de otthagyta az alapdiplomát. A Loopt, Y Combinator és OpenAI egyik adattudományi vezetője. 2005-ben, 19 évesen, Altman társalapítója volt a Loopt, egy helyfüggő közösségi hálózati alkalmazásnak, amely több mint 30 millió dollár kockázati tőkét szerzett vezérigazgatóként. Annak ellenére, hogy a Green Dot 43.4-ben 2012 millió dollárért felvásárolta, a Loopt nehézségekkel küzdött. Altman 2011-ben csatlakozott az Y Combinatorhoz, majd 2014-ben lett az elnöke, és 65 milliárd dolláros teljes értékelést felügyelt olyan cégeknél, mint az Airbnb és a Dropbox. 2016-ban kibővítette szerepkörét a YC Grouppal. Altman kezdeményezte a YC Continuity és a YC Research kutatását, amelyek finanszírozták a fejlett vállalatokat és egy kutatólaboratóriumot. 2019-ben a YC elnökévé vált, később a Tools For Humanity-re összpontosított, amely 2019-es vállalkozás szem-ellenőrzéses hitelesítést és Worldcoin kriptovalutát kínál a csalások megelőzésére.
"Az AI sokkal személyre szabottabb orvoslást tesz lehetővé."
A mesterséges intelligencia terén szerzett szakértelméről világszerte ismert Yoshua Bengio a mély tanulás úttörője, kitüntetéssele rangos 2018 A.M. Turing-díjat Geoffrey Hinton és Yann LeCun mellett. Az Université de Montréal professzoraként megalapította és vezette a Mila – Quebec AI Intézetet. Bengio a CIFAR Learning in Machines & Brains program főmunkatársa és az IVADO tudományos igazgatója. Nevezetesen, 2019-ben megkapta a Killam-díjat, 2022-ben pedig megszerezte a világ legtöbbet idézett informatikusa státuszt. A Bengio aktívan részt vesz az AI társadalmi hatásainak kezelésében. Ő is hozzájárult a Montreali Nyilatkozat a mesterséges intelligencia felelős fejlesztéséről.
"Az adattudomány nem szoftverfejlesztés. Sok az átfedés… de jelenleg modellek prototípusa van."
Jeremy Howard az egyik ausztrál adattudós-vezető, vállalkozó és oktató. Howard vezetési tanácsadóként kezdte pályafutását a McKinsey & Co-nál és az AT Kearneynél, nyolc évet töltött el, mielőtt vállalkozói pályára kezdett. Jelentősen hozzájárult a nyílt forráskódú projektekhez, kulcsszerepet játszott a Perl programozási nyelv, a Cyrus IMAP szerver és a Postfix SMTP szerver fejlesztésében. A Perl6-adat munkacsoport elnökeként és az RFC-k szerzőjeként jelentősen befolyásolta a Perl fejlődését. Howard sikeres startupokat alapított Ausztráliában: a FastMail e-mail szolgáltatót (az Opera Software felvásárolta) és az Optimal Decisions Group biztosítási ároptimalizáló céget (ODG, a ChoicePoint fejlesztette). A FastMail az egyik úttörő volt abban, hogy lehetővé tette a felhasználók számára asztali klienseik integrálását. Ő volt az Enlitic alapító vezérigazgatója, a Kaggle korábbi elnöke, a Masks4All társalapítója, a San Francisco-i Egyetem kiváló kutatója, valamint a FastMail.FM és az Optimal Decisions alapítója; volt vezetőségi tanácsadó.
"Valójában nagyon pesszimista lennék a világgal kapcsolatban, ha valami, például az AI nem jönne be az úton."
Demis Hassabis brit informatikus, mesterséges intelligenciakutató és vállalkozó. Ő van polihisztor és a mesterséges intelligencia (AI) vezető figurája, a területen végzett úttörő hozzájárulásairól híres. Az 1976-ban született Hassabis bámulatos sakktehetségről tett tanúbizonyságot, mindössze 13 évesen lett nagymester. A tudományos világba áttért, Cambridge-ben informatikával foglalkozott. Hassabis később társalapítója volt az úttörő videojáték-cégnek, az Elixir Studios-nak. 2010-ben megalapította a DeepMind nevű mesterséges intelligenciával foglalkozó kutatólaboratóriumot, amelyet 2014-ben vásárolt meg a Google. Hassabis a DeepMindnél végzett munkája jelentős előrelépésekhez vezetett a gépi tanulás terén, különösen a mélyen megerősített tanulás területén. Erőfeszítései aláhúzzák az AI képességeinek határainak feszegetése iránti elkötelezettségét.
2024-ben kulcsfontosságú, hogy az adattudományban az innováció élvonalában maradjunk, és az első 12 közé tartozik a követendő úttörő. Ezek a vezetők, a nagy adatelemzés úttörői és az adattudomány szakértői, jövőbe mutató meglátásaikkal és úttörő hozzájárulásaikkal továbbra is alakítják a tájat. Az összetett algoritmusokban való navigálástól a gépi tanulás erejének kihasználásáig ezek az adattudományi vezetők irányítják a jövő irányát. Útmutatásuk követése páratlan lehetőséget kínál arra, hogy lépést tartsunk az adattudomány legújabb trendjeivel és vívmányaival, így azok nélkülözhetetlen számok bárki számára, aki az adatelemzés dinamikus világában navigál.
