Жақында мен киберқауіпсіздік үшін деректер ғылымын пайдалану бойынша сабақ өткіздім, пакетті түсіру деректерін талдауға көңіл бөлдім - бұл біршама техникалық және дәстүрлі түрде құрғақ тақырып. Мен бөліскен әдіс барлау деректерін талдау, журнал деректерін алдын ала өңдеу және түрлендіру, сондай-ақ кластерлеу мен графикалық желіні талдау комбинациясы арқылы аномалияларды анықтау сияқты негізгі қадамдарды қамтитын қаржылық институттардағы киберқауіпсіздік саласындағы тәжірибемнен алынды. Бір таңқаларлық аспект - мен осы сессияға дайындалуға жұмсаған уақыт болды - мен әдетте инвестициялайтын уақытымның бір бөлігі. Процесті оңтайландыруда AI маңызды рөл атқарды. Мен Клодты кодтауға, контурды әзірлеуге және тіпті слайдтарды жасауға көмектесу үшін пайдаландым. Жалпы алғанда, бүкіл курс 48 сағат ішінде дайын болды. Сессия тартымды өтті. Қатысушылар, ең алдымен, әдетте кодтамайтын CISO мамандары, AI көмегімен жасалған жаттығуларды интуитивті және практикалық деп тапты. Менің мақсатым оларды деректермен және кодпен тікелей жұмыс істеуге баулу болды. Олар қазіргі заманғы киберқауіптерді бақылау және SIEM платформалары әдетте нені автоматтандыратынын қолмен зерттеу мүмкіндігін ерекше бағалады, «көпшілік астында» болып жатқан процестер туралы түсінік алды. Менің сабақтан алған негізгі ойым таңқаларлықтай қарама-қайшы болды: . Бұл көзқарас ерте болып көрінуі мүмкін немесе өз уақытынан ертерек көрінуі мүмкін, бірақ бұл талқылауды қажет ететін перспектива. деректер ғылымы, біз білетіндей, ақырында AI ауыстырылады Ескерту: мұның кейбірі адамдарды қоздыруы мүмкін. Сексуалдық - бұл багаж Он жылдан астам уақыт бойы деректер ғылымы «21 ғасырдағы ең сексуалды жұмыс» ретінде аталып келеді. Дегенмен, AI қарқынды дамып келе жатқанда, бұл өрістің негізгі қиындықтарын елемеу қиынырақ екені белгілі болды. Күшті генеративті AI-ның пайда болуы, өткенге қарағанда, бастапқыда мойындалғанға қарағанда, әлдеқайда еркін анықталған және артық айтылған болуы мүмкін пәннің шыңы болуы мүмкін. Өзінің мәні бойынша, деректер ғылымы информатиканы, статистиканы және іскерлікті біріктіреді, ұйымдарға деректердің үлкен көлемінен әрекет ететін түсініктер уәде етеді. Бұл дағдылар жиынтығы қазіргі деректерге негізделген әлемде сөзсіз құнды. Дегенмен, оның жылтыратылған кескінінің астында бұл өріс маңызды мәселелерге тап болады. Көбінесе деректер туралы ғылым деп белгіленетін нәрсе әрқашан бір-біріне сәйкес келмейтін бір-бірімен байланысты тапсырмалардың бір бөлігі болып табылады және осы саладағы көптеген кәсіпқойлар пән талап ететін толық кеңдік пен күрделілікпен күреседі. Деректерді талдауды, модельдеуді және түсініктерді генерациялауды өңдеуге қабілетті AI басқаратын құралдардың артуы біздің деректер ғылымының рөлі мен болашағына көзқарасымызды өзгертуге мәжбүр етуі мүмкін. AI деректер ғылымындағы көптеген негізгі тапсырмаларды жеңілдетуді және автоматтандыруды жалғастыруда, бұл сала интеллектуалды автоматтандыру дәуірінде деректер ғалымы болу дегенді білдіреді. Жарықтар Көптеген деректер ғалымдары күрделі кодтау дағдылары мен цифрлық құралдарды меңгергеніне қарамастан, таңқаларлық жұмыспен айналысады. Деректерді дайындау, тазалау және талдау қайталанатын және механикалық болып табылатын жалықтыратын, уақытты қажет ететін тапсырмаларды қамтиды. Шын мәнінде, деректер туралы ғылымның айтарлықтай көлемі деректер жиынтығын дайындауға кетеді - бұл қызықты, жаңалыққа негізделген ғылымнан гөрі қиыншылыққа ұқсайтын тапсырма. Бұл мәселе осы салаға түсетіндердің көбі, ең жақсысы, әуесқойлар болуымен қиындайды. Python немесе R-де бірнеше онлайн курстардан өткен бұл «деректер ғалымдары» көбінесе . Деректер туралы ғылым жай ғана кодтау емес. Ол терең талдауды, контекстік түсінуді және техникалық емес аудиторияға түсініктерді ұсыну мүмкіндігін қамтиды. Шындығында, бұл шығармашылық пен аналитикалық ойлауды қажет ететін зерттеу жұмысы, бұл саладағы көптеген адамдарда жоқ. қолмен жұмыс істейтін және қатеге бейім рөлдің қиындығына дайын болмайды Сонымен қатар, көптеген деректер ғалымдары өздерінің атақтарының арқасында , құқық сезімін дамытты. Бұл көзқарас компанияларды тоқтатады, әсіресе шығындарды үнемдейтін секторлардағы. Мен бір кездері деректер ғалымдарын жалдауға асыққан, бірақ қазір қайта қарап жатқан фирмаларды кездестірдім. Жасанды интеллект мұны тезірек, жақсырақ және аз ғана шығынмен жасай алатын болса, уақытының көп бөлігін деректерді тазалаумен күресуге жұмсайтын адамға неге жоғары жалақы төлеу керек? жоғары жалақы мен пайдалы пакеттерді күтіп AI Кім? Мен сыныпты жазуды жеке тәжірибемнен өткізгендіктен, генеративті AI деректер ғылымы ең әлсіз аймақтарда қуатты күшке айналды. Деректерді дайындау, тазалау және тіпті негізгі сапалық талдау сияқты тапсырмалар — деректер ғалымының көп уақытын алатын әрекеттер — енді . Ең сорақысы (немесе қай жерде тұрғаныңызға байланысты жақсырақ) AI жылдамырақ, дәлірек және адам қателігіне немесе шаршауға бейім емес. AI жүйелері арқылы оңай автоматтандырылады Көптеген деректер ғалымдары үшін бұл қорқынышты болуы мүмкін. Өйткені, бұл міндеттер олардың күнделікті жұмысының негізгі бөлігін құрайды. Мысалы, деректерді тазалау көп уақытты қажет етеді және қателіктерге бейім, бірақ AI енді оны бірнеше рет басу және мінсіз дәлдікпен орындай алады. Деректер ғалымдары жиі осы тырнақалды тапсырмаларға шағымданады, бірақ олар олардың рөлдерінің негізі болып табылады. Жасанды интеллект жүйелері жақсарған сайын адамдардың бұл жұмыстарды орындау қажеттілігі азаяды. AI-ға қарсы дауысты сынның көп бөлігі таңқаларлық емес. Олар қабырғадағы жазуды көріп, жұмысынан қорқады. деректер ғалымдарының өздерінен келетіні Ұсақтық Деректер ғалымдарының жағдайын нашарлататын болсақ, бұл сала соңғы жылдары айтарлықтай прогреске қол жеткізген жоқ. Танымалдылығының метеорлық өсуіне қарамастан, деректер ғылымы әлі де тиімсіздіктермен, қателіктермен және зардап шегеді. Бір кездері күрделі құралдар мен жақсы оқыту бұл саланы дамытады деп сенген, бірақ бұл күткендей орындалмады. Керісінше, AI тұрақты түрде жақсарды. Машиналық оқыту алгоритмдері, табиғи тілді өңдеу және генеративті модельдер жылдам дамып, дәстүрлі деректер ғылымын шаңда қалдырады. нақты нені қажет ететіндігінің анық еместігінен Тағы да, деректер ғалымдарының жоғары жалақы күтуі . Бір кездері тиімсіздікке төзген компаниялар қазір AI адам еңбегіне байланысты қымбат бағасыз көп жұмысты алмастыра алатынын түсінеді. AI талдау, болжау және тіпті презентация сияқты дағдылануымен, деректер ғылымының қолмен сипаты барған сайын қажетсіз болып барады. Көптеген компаниялар бұрын деректер ғалымдарының тобын қажет ететін нәрсені енді AI-мен жұмыс істейтін құралдармен тиімдірек өңдеуге болатынын түсінеді. мәселені қиындатады негізгі тапсырмаларды орындауға Shift Шындығында, деректер ғылымы, дәстүрлі түрде анықталғандай, ескіру шегінде тұр. Генеративті AI таңғаларлық жылдамдықпен дамып келе жатқанда, адам . Бұл адамдардың деректерге негізделген шешім қабылдауда рөлі жоқ дегенді білдірмейді, бірақ классикалық «деректер ғалымы» рөлі жақын арада өткен тұжырымдама болуы мүмкін. Енді стратегиялық ойлауға және күрделі мәселелерді жоғары деңгейде шешуге шоғырлана отырып, оның мүмкіндіктерін пайдалана отырып, AI-мен бірлесіп жұмыс істеуге дағдыланған мамандар қажет. деректерін зерттейтін ғалымдарға сұраныс олардың қазіргі түрінде төмендеуі мүмкін . Деректер ғылымының қазіргі саласы кезең-кезеңімен дамымаса, ескіру қаупі бар. AI қазірдің өзінде салаларда төңкеріс жасап жатыр және деректер ғылымы бейімделуі керек немесе осы толқынның басып кетуі мүмкін. Сайып келгенде, мәселе AI деректер ғылымын жояды ма емес, бірақ деректер ғылымы өз уәделерін толығымен орындады ма деген сұрақ туындауы мүмкін. AI аналитиканың, түсініктердің немесе шешім қабылдаудың соңы емес, ол олардың эволюциясын білдіреді Немесе, мүмкін, егер біз «деректер туралы ғылым» айыбынан шығып, AI-ны келесі логикалық прогресс ретінде қабылдайтын болсақ, бұл айырмашылық тіпті маңызды емес. Мен туралы: деректерді, AI, тәуекелдерді басқару, стратегия және білімді біріктіретін 25 жастан асқан IT ардагері. 4 рет хакатон жеңімпазы және деректерді қорғаушының әлеуметтік әсері. Қазіргі уақытта Филиппиндегі AI жұмыс күшін бастау үшін жұмыс істеуде. Мен туралы толығырақ мына жерден біліңіз: https://docligot.com
