В растущей сфере науки о данных наступление 2024 года знаменует собой поворотный момент, поскольку мы обращаем внимание на избранную группу светил, которые продвигают инновации и формируют будущее аналитики. «Список 12 лучших лидеров в области науки о данных» служит маяком, отмечающим исключительный опыт этих людей, дальновидное лидерство и значительный вклад в этой области. Присоединяйтесь к нам в исследовании новаторских умов и ознакомьтесь с их рассказами, проектами и дальновидными взглядами, которые обещают сформировать траекторию науки о данных. Эти образцовые лидеры – не просто пионеры; они олицетворяют авангард, ведущий нас в эпоху беспрецедентных инноваций и открытий.
Список 12 лидеров науки о данных, за которыми стоит следить в 2024 году
По мере приближения к 2024 году мы фокусируемся на особой группе людей, демонстрирующих выдающийся опыт, лидерство и значительный вклад в науку о данных. Целью «Списка 12 лучших лидеров в области науки о данных» является признание и выделение этих людей как идейных лидеров, новаторов и влиятельных лиц, которые, как ожидается, достигнут значительных успехов в наступающем году.
По мере того, как мы углубляемся в детали, становится очевидным, что точки зрения, начинания и инициативы этих людей могут изменить наши методы и использование данных для решения сложных проблем, охватывающих различные сектора. Повлечет ли это за собой прогресс в области прогнозной аналитики, пропаганду этических методов искусственного интеллекта или разработку передовых алгоритмов.. ТЛюди, выделенные в этом списке, могут повлиять на развитие науки о данных в 2024 году.
1. Эндрю Нг
«Сегодняшняя задача искусственного интеллекта заключается в поиске подходящего бизнес-контекста, в который он вписывается. Я люблю технологии. Это открывает много возможностей. Но, в конце концов, технология должна быть контекстуализирована и вписана в сценарий использования в бизнесе».
Доктор Эндрю Нг — британско-американский учёный-компьютерщик. Машинное обучение (ML) и Искусственный интеллект (AI) экспертиза. Говоря о своем вкладе в развитие искусственного интеллекта, он является основателем DeepLearning.AI, основателем и генеральным директором Landing AI, генеральным партнером AI Fund и адъюнкт-профессором факультета компьютерных наук Стэнфордского университета. Более того, он был руководителем-основателем исследовательской группы глубокого обучения в области искусственного интеллекта под эгидой Google AI — Google Brain. Он также работал главным научным сотрудником в Baidu, где он был наставником группы ИИ из 1300 человек и разрабатывал глобальную стратегию компании в области ИИ.
Г-н Эндрю Нг руководил разработкой MOOC (массовых открытых онлайн-курсов) в Стэнфордском университете. Он также основал Coursera и предложил курсы машинного обучения (ML) более чем 100,000 200 студентам. Будучи пионером в области машинного обучения и онлайн-образования, он получил степени Университета Карнеги-Меллон, Массачусетского технологического института и Калифорнийского университета в Беркли. Более того, он был соавтором более 100 исследовательских работ в области машинного обучения, робототехники и смежных областей, а также вошел в список XNUMX самых влиятельных людей мира по версии Tiime.
Мы должны были заставить ИИ делать всю работу, а мы играем в игры, но мы делаем всю работу, а ИИ играет в игры!
Андрей Карпати, словацко-канадский доктор философии из Стэнфорда, строит своего рода JARVIS в Оренор. Он был директором по искусственному интеллекту и автопилотному зрению в Tesla. Карпатия увлечен глубокими нейронными сетями. Он начал свой путь в Торонто, получив двойную специализацию в области компьютерных наук и физики, а после этого отправился в Колумбию для дальнейшего обучения. Там он работал с Мишелем ван де Панном над изучением контроллеров для физически моделируемых фигур.
Более того, он также работал с Фей-Фей Ли над докторской диссертацией. в Стэнфордской лаборатории зрения, где он работал над Сверточная нейронная сеть и Рекуррентная нейронная сеть архитектуры и их приложения в Обработка естественного языка и Компьютерное зрение и их пересечение. Он разработал и был первым основным инструктором CS 231n: Сверточные нейронные сети для визуального распознавания. Он увлеченный блоггер, разработчик библиотек глубокого обучения и страстный эксперт в области науки о данных.
Амена Анадкумар — уроженка Майсура, Индия, профессор Калифорнийского технологического института в Брене и старший директор по исследованиям искусственного интеллекта в NVIDIA. Она является влиятельным человеком, у нее 159,417 XNUMX подписчиков, а ее исследовательские интересы связаны с крупномасштабным машинным обучением, невыпуклой оптимизацией и многомерной статистикой. АНадкумар имеет ученые степени Индийского технологического института (IIT) Мадраса и Корнелльского университета, а ранее был главным научным сотрудником Amazon Web Services. Она является членом ACM, IEEE и Фонда Альфреда П. Солана. Ее работа по разработке нового искусственного интеллекта ускоряет научные применения ИИ, включая научное моделирование, прогнозирование погоды и разработку лекарств. Она была награждена NeurIPS и специальной премией ACM Gordon Bell за исследования COVID-19 на основе высокопроизводительных вычислений.
«Я верю в будущее, когда ИИ изменит мир. Вопрос в том, кто меняет ИИ? Очень важно привлечь к разработке ИИ разнообразные группы студентов и будущих лидеров».
Фей-Фей Ли — содиректор Стэнфордского института человеко-ориентированного искусственного интеллекта (ИИ) и лаборатории видения и обучения. Она является первым профессором Sequoia на факультете информатики Стэнфордского университета. Она также работала вице-президентом Google и главным научным сотрудником по искусственному интеллекту и машинному обучению в Google Cloud. Благодаря своему многолетнему опыту она тесно сотрудничала в таких областях, как когнитивный искусственный интеллект, глубокое обучение, машинное обучение, компьютерное зрение, искусственный интеллект в здравоохранении и других.
Говоря о своих исследованиях, она опубликовала более 200 научных статей на конференциях и в значимых журналах в соответствующих областях. ImageNet, разработанный Фей-Фей Ли, — это революционный проект на новейших рубежах искусственного интеллекта и глубокого обучения. Помимо технического опыта, она является знаменосцем разнообразия в области искусственного интеллекта и STEM на национальном уровне. За свою работу она получила награды, в том числе премию «Женщины в сфере технологий» журнала ELLE в 2017 году, награду «Глобальный мыслитель 2015 года» от журнала Foreign Policy и престижную премию «Великие иммигранты: гордость Америки» от Фонда Карнеги в 2016 году.
«ИИ — это усилитель человеческого интеллекта, и когда люди становятся умнее, происходят лучшие вещи: люди становятся более продуктивными, счастливыми, а экономика развивается».
Ян ЛеКун, обладающий опытом в области исследований, технического консультирования и научного консультирования, является главным научным сотрудником по искусственному интеллекту в Facebook. Он известен во всем мире своими работами в области мобильной робототехники, машинного обучения, компьютерного зрения и вычислительной нейробиологии. лекун основал сверточные сети и участвовал в проектах оптического распознавания символов и компьютерного зрения с использованием сверточных нейронных сетей. Он является директором-основателем Центра науки о данных Нью-Йоркского университета и главой исследовательского отдела обработки изображений. Г-н Лекун является одним из основных создателей DjVu и получил Премию Тьюринга в 2018 году от Йошуа Бенджио и Джеффри Хинтона за вклад в глубокое обучение.
ЛеКун известен своим вкладом в машинное обучение, в частности, своими сверточными нейронными сетями. Эти биологически вдохновленные сети были применены к оптическому распознаванию и распознаванию рукописного текста, создав систему распознавания банковских чеков. Эта система была принята NCR и другими компаниями и обработала 10% всех чеков США в конце 1990-х — начале 2000-х годов.
«Даже сегодняшние сети, которые мы считаем довольно большими с точки зрения вычислительных систем, меньше, чем нервная система даже относительно примитивных позвоночных животных, таких как лягушки».
Ян Гудфеллоу, американский ученый-компьютерщик, хорошо известен своей исследовательской работой в области машинного обучения. Он занимает должность директора по машинному обучению в Apple. Под руководством Эндрю Нг он получил степень бакалавра искусств. и М.С. Степень бакалавра компьютерных наук в Стэнфордском университете. Он также получил докторскую степень. из Университета Монреаля под руководством Йошуа Бенджио и Аарона Курвиля. Говоря о своей предыдущей работе, Ян Гудфеллоу с многолетним опытом работы в области глубокого обучения работал научным сотрудником в Google Brain. После этого он присоединился к Open AI (в первые годы его существования), а затем вернулся к исследованиям Google.
Ян Гудфеллоу также исследовал и написал учебник «Глубокое обучение», получивший известность благодаря изобретению генеративно-состязательных сетей. Работая в Google, он создал систему, позволяющую автоматически транскрибировать адреса с фотографий автомобилей Street View для Google Maps. Кроме того, Гудфеллоу выявил уязвимости в системах машинного обучения. В 2017 году журнал MIT Technology Review включил его в число 35 новаторов до 35 лет, а в 2019 году журнал Foreign Policy включил его в список 100 мировых мыслителей.
Имея 127,491 2014 подписчика в LinkedIn, он является одним из лидеров в области обработки данных, за которым можно следить. Клеман Деланг — генеральный директор и соучредитель Hugging Face. Это платформа машинного обучения с открытым исходным кодом, где исследователи со всего мира могут делиться своими моделями искусственного интеллекта, наборами данных и передовым опытом. Говоря о своем академическом образовании, он закончил «Введение в информатику и методологию программирования» в Стэнфордском университете. Его первый опыт запуска был связан с Moodstocks, занимавшимся созданием машинного обучения для компьютерного зрения, а позже компания была приобретена Google. До этого он был соучредителем и генеральным директором VideoNot.es, ведущей платформы для создания заметок в эпоху цифровых технологий. Затем в 160 году он создал отдел маркетинга и роста для Mention — ведущего европейского стартапа. Благодаря своему опыту в области машинного обучения Hugging Face привлек $XNUMX млн от Sequoia, Coatue, Lee Fixel, Lux, Betaworks, первых инвесторов в Instagram и Snapchat. , главный научный сотрудник Salesforce, и Кевин Дюрант.
Обладая многолетним опытом и исследовательским интересом к машинному обучению, обработке естественного языка, искусственному интеллекту и программному обеспечению, Джей Аламмар является директором и научным сотрудником (обработка естественного языка) в Cohere. Он начинал как партнер в области машинного обучения и помогал разработчикам решать бизнес-задачи с помощью передовых моделей языкового искусственного интеллекта и НЛП. Теперь он консультирует предприятия и разработчиков по использованию больших языковых моделей для решения реальных сценариев использования языковой обработки. Он получил степень в Стэнфорде в области обучения руководителей, влияния и стратегии переговоров. У Джея также есть технический блог на английском языке, посвященный исследованиям и разработкам в области машинного обучения, где он публикует все о НЛП, машинном обучении и искусственном интеллекте. Джей помог более чем 10,000 XNUMX учащихся по сложным темам машинного обучения. Итак, если вы ищете одного из лучших лидеров в области науки о данных, вы можете рассчитывать на Джея Аламмара.
Скорее всего, искусственный интеллект приведет к концу света, но пока будут великие компании.
Сэм Альтман — партнер Apollo Projects. Ранее он работал в OpenAI в качестве соучредителя и генерального директора. Сэм Альтман учился в Стэнфордском университете, но бросил его, не получив степени бакалавра. Он один из лидеров в области обработки данных, известный благодаря Loopt, Y Combinator и OpenAI. В 2005 году, в возрасте 19 лет, Альтман стал соучредителем Loopt, приложения для социальных сетей с определением местоположения, получив в качестве генерального директора венчурный капитал в размере более 30 миллионов долларов. Несмотря на приобретение Green Dot за 43.4 миллиона долларов в 2012 году, Loopt испытывала трудности. Альтман присоединился к Y Combinator в 2011 году, став его президентом в 2014 году и контролируя общую оценку таких компаний, как Airbnb и Dropbox, в 65 миллиардов долларов. В 2016 году он расширил свою роль, включив в него YC Group. Альтман инициировал YC Continuity и YC Research, финансируя зрелые компании и исследовательскую лабораторию. В 2019 году он перешел на пост председателя YC, а затем сосредоточился на Tools For Humanity, предприятии 2019 года, обеспечивающем аутентификацию с помощью сканирования глаз и криптовалюту Worldcoin для предотвращения мошенничества.
ИИ позволит создать гораздо более персонализированную медицину.
Йошуа Бенджио, всемирно известный своим опытом в области искусственного интеллекта, является первопроходцем в области глубокого обучения и удостоен наградыпрестижный 2018 год. Премия Тьюринга вместе с Джеффри Хинтоном и Яном Лекуном. Работая профессором в Университете Монреаля, он основал и возглавил Мила – Квебекский институт искусственного интеллекта. Бенджио — старший научный сотрудник программы CIFAR Learning in Machines & Brains и научный директор IVADO. Примечательно, что он получил премию Киллама в 2019 году, а в 2022 году достиг статуса самого цитируемого в мире ученого-компьютерщика. Бенджио активно участвует в решении проблем социального воздействия ИИ. Он также внес свой вклад к Монреальской декларации об ответственном развитии искусственного интеллекта.
Наука о данных — это не разработка программного обеспечения. Есть много совпадений… но сейчас мы занимаемся прототипированием моделей.
Джереми Ховард — один из австралийских лидеров в области данных, предпринимателей и преподавателей. Ховард начал свою карьеру в сфере управленческого консалтинга в McKinsey & Co и AT Kearney, проведя восемь лет, прежде чем заняться предпринимательством. Он внес значительный вклад в проекты с открытым исходным кодом, сыграв ключевую роль в разработке языка программирования Perl, сервера Cyrus IMAP и сервера Postfix SMTP. Будучи председателем рабочей группы по данным Perl6 и автором RFC, он существенно повлиял на эволюцию Perl. Ховард основал успешные стартапы в Австралии: поставщика электронной почты FastMail (приобретенного Opera Software) и компанию по оптимизации цен на страхование Optimal Decisions Group (ODG, разработанная ChoicePoint). FastMail был одним из пионеров, позволивших пользователям интегрировать свои настольные клиенты. Он был генеральным директором-основателем Enlitic, бывшим президентом Kaggle, соучредителем Masks4All, выдающимся научным сотрудником Университета Сан-Франциско и основателем FastMail.FM и Optimal Decisions; бывший консультант по вопросам управления.
На самом деле я был бы очень пессимистичен в отношении мира, если бы в будущем не появилось что-то вроде ИИ.
Демис Хассабис — британский ученый-компьютерщик, исследователь искусственного интеллекта и предприниматель. Он является эрудит и ведущий деятель искусственного интеллекта (ИИ), известен своим новаторским вкладом в эту область. Хассабис родился в 1976 году и продемонстрировал потрясающий талант в шахматах, став гроссмейстером всего в 13 лет. Перейдя в академию, он изучал информатику в Кембридже. Позже Хассабис стал соучредителем новаторской компании по производству видеоигр Elixir Studios. В 2010 году он основал DeepMind, исследовательскую лабораторию искусственного интеллекта, приобретенную Google в 2014 году. Работа Хассабиса в DeepMind привела к значительному прогрессу в машинном обучении, особенно в области глубокого обучения с подкреплением. Его усилия подчеркивают стремление расширить границы возможностей ИИ.
В 2024 году крайне важно оставаться в авангарде инноваций в области науки о данных, и 12 лучших компаний станут первопроходцами, за которыми стоит следовать. Эти лидеры, пионеры в области анализа больших данных и эксперты в области науки о данных, продолжают формировать ландшафт своими дальновидными идеями и новаторским вкладом. От навигации по сложным алгоритмам до использования возможностей машинного обучения — эти лидеры в области науки о данных определяют курс на будущее. Следование их рекомендациям дает беспрецедентную возможность быть в курсе последних тенденций и достижений в области науки о данных, что делает их незаменимыми фигурами для всех, кто ориентируется в динамичном мире анализа данных.
