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。

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。

er… Excel有过热潮？我还以为一般人会拿AI跟big data比

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

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

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

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。

说一下国内的情况我在国内的互联网公司工作了4年的时间，一直在做机器学习相关的工作。很抱歉国内做算法的人通常也要有很强的工程落地能力，把算法的模型和改进通过提需求的方式让工程团队实现，本来就很不现实，沟通成本太高。百度之前广告上的深度网络，RNN等模型都是算法团队自己开发和调参的。把机器学习当成简单的调包侠绝对是对这个工种的侮辱

现在拿企业跟高校比有点不公平做这些research最最重要的就是数据，但是高校没有啊！数据都在企业。长远来看，research是搞不下去了，各公司都有自己的系统，也没办法发paper互相交流，能发paper的肯定是过时的技术，所以后面高校、科学院这些地方会慢慢被企业抛弃。

一个时代的来临刚好在十多年前学的excel和计算机，最近也关心了这个热门话题。另外苹果face id令人印象深刻，建议去看下他们的demo。 短期实际效用可能不会很明显（或者如一部分人期待的大革命和大冲击），但是以更长时间看10年-20年，大概率是巨大革新。 有三个观察 1）AI和ML并非新技术， 而是一个技术积累后的厚积薄发，以及实用性/应用性和性价比的提高。 有很多类似的例子 - touch 屏幕最先Nokia就有，Apple手中发扬； PC机80年代就有，直到90年代后爆发；太阳能技术60年到就有，直到21世纪才爆发； 90年代末的生物科学发现，在10-20年后开始很多药理应用。 2）条件已经具备。 Excel/VBA的普及和跨越离不开硬件；同样AI/ML的硬件已然具备。 就像下面有同学说的，计算机能力提高， 各种sensor带来的数据，移动云能力（随时随地access 同一个数据库），这些让AI 和ML普及奠定了必须基础。 3）科技进步是指数发展的。 我以前曾认为AI短期可能是10甚至20年没有大影响。考虑到当今技术革新的速度（比如，手机CPU比1一年前高25%性能，5G速度对4G宽带倍数提高），很有可能5-10年就会有很明显的影响（注），而一些行业会更早，如上面提到的金融。 其实这个结论似乎是显然的。 对于年级稍大的人来说 (more...)

你是统计出身啊heteroscedasticity