Giới thiệu về sự trỗi dậy số liệu của nhà khoa học dữ liệu mã thấp

Phát triển phần mềm mã thấp, chỉ gần đây được đánh giá là xu hướng lớn tiếp theo, đã có mặt ở đây và nó đã trở thành xu hướng chủ đạo. Đến năm 2025, 70% ứng dụng mới do các tổ chức phát triển sẽ được tạo bằng nền tảng mã thấp và không có mã, tăng từ mức dưới 25% vào năm 2020 theo Gartner . Nếu bạn chưa sử dụng các nền tảng mã thấp, bạn sẽ sớm có được.

Sự phát triển thấp và không có mã giúp những người không có nền tảng kỹ thuật có thể tạo ra các sản phẩm kỹ thuật số, đó là cách mà thuật ngữ “nhà phát triển công dân” ra đời. Tuy nhiên, ý tưởng của nhà phát triển công dân là một chút sai lầm. Mặc dù đúng là bạn thực sự không cần phải có kỹ thuật bằng cách đào tạo để sử dụng các công cụ mã thấp… .. một số kỹ năng có thể chuyển giao chắc chắn sẽ hữu ích. Như nhà khoa học dữ liệu và nhà truyền giáo mật mã thấp, Rosaria Silipo, đã nói, " Không có mã không có nghĩa là ít toán học ."

Hơn nữa, trong khi các tổ chức và cái gọi là nhà phát triển công dân tất nhiên được hưởng lợi từ việc tiếp cận dễ dàng hơn với phát triển kỹ thuật số, thì các nhà công nghệ cũng vậy. Các nghiên cứu trong ngành cho thấy một tỷ lệ đáng kể các nhà phát triển chuyên nghiệp - dễ dàng là một phần ba và có khả năng là gần hai phần ba - đang sử dụng các giải pháp mã thấp để tăng tốc công việc của họ hoặc tạo ra các giải pháp thay thế.

AI mã thấp: Câu chuyện về Cung và Cầu?

Kỹ năng duy nhất mà doanh nghiệp cần hơn cả CNTT là khoa học dữ liệu. Các lực lượng thị trường tương tự đang thúc đẩy việc áp dụng mã thấp nói chung đặc biệt nhạy bén khi nói đến các giải pháp AI mã thấp.

Thiếu người không phải là thách thức duy nhất đối với các tổ chức muốn bắt đầu và vận hành các dự án AI của họ. Quá trình phát triển AI thường mất nhiều thời gian và tiêu tốn nhiều tài nguyên khi liên quan đến các tập dữ liệu lớn hoặc phức tạp. Nói cách khác, nó rất tốn kém. Thêm vào đó, sự cạnh tranh đối với các nhà khoa học dữ liệu rất khốc liệt và mức thù lao hậu hĩnh. Dữ liệu lớn và các dự án AI liên quan đến một cam kết nghiêm túc về tiền bạc và thời gian.

Cho đến bây giờ, đó là. Mã thấp đang giúp đẩy nhanh tiến độ thời gian một cách đáng kể, đồng thời giảm chi phí không chỉ trên cơ sở mỗi dự án mà còn về số lượng nhân viên - có bằng chứng rõ ràng cho thấy các giải pháp mã thấp đang giúp thu hẹp khoảng cách kỹ năng bằng cách giảm tổng số thuê doanh nghiệp cần thực hiện. Trong Kiến trúc mới nổi được cập nhật gần đây cho Cơ sở hạ tầng dữ liệu hiện đại, Andreesen Horowitz lưu ý rằng ngành ML đang hợp nhất theo cách tiếp cận tập trung vào dữ liệu với các giải pháp ML mã thấp (như Continual và MindsDB) tự động hóa quá trình mô hình hóa ML.

Các công cụ mã thấp để phù hợp với mọi công việc

Mặc dù điều này nghe có vẻ là tin xấu đối với các nhà khoa học dữ liệu, nhưng điều đáng nhớ là bản thân các nhà khoa học dữ liệu đang được hưởng lợi từ việc tăng tốc độ và dễ dàng sử dụng các công cụ AI mã thấp.

Phong trào mã thấp thường được mô tả là “dân chủ hóa” mọi thứ kỹ thuật số, phá bỏ các rào cản đối với sự phát triển và tạo ra các kết quả chuyển đổi. Quá trình dân chủ hóa này đã và đang dần diễn ra ở mọi cấp độ của khoa học dữ liệu từ đầu vào dữ liệu đến chuyển đổi dữ liệu sang học máy.

Có một cách mã thấp, đơn giản hơn để thực hiện nhiều công việc trước đây rất phức tạp hoặc mất nhiều thời gian. Sử dụng các giải pháp mã thấp, tiến trình dự án tăng tốc và các nhà khoa học dữ liệu không còn thấy mình bị khóa vào các công cụ và quy trình dựa trên bộ kỹ năng lập trình cụ thể mà họ tình cờ có được.

Lấy SQL làm ví dụ, một kỹ năng cổ điển và là ngôn ngữ cốt lõi của cơ sở dữ liệu. Tuy nhiên, để làm việc với dữ liệu, một nhà khoa học dữ liệu cần phải thành thạo một số ngôn ngữ khác, các công cụ BI và các giải pháp ML. Không còn nữa: thay vì trích xuất dữ liệu từ cơ sở dữ liệu, tải nó lên công cụ BI, sau này là công cụ ML, chạy các mô hình, sau đó tải lại các phát hiện vào công cụ BI, có một phong trào đang phát triển nhanh chóng tìm cách biến điều kỳ diệu xảy ra bên trong lớp dữ liệu, sử dụng ngôn ngữ dữ liệu được thiết lập và phổ biến, SQL.

Ví dụ này, từ lĩnh vực máy học trong cơ sở dữ liệu, cho thấy cách các nhà khoa học dữ liệu sử dụng các lệnh SQL tiêu chuẩn hiện có thể truy vấn các dự đoán và xây dựng mô hình ML từ bên trong cơ sở dữ liệu. Đường ống dữ liệu là một ví dụ khác về quy trình đang được đơn giản hóa và tăng tốc hoàn toàn nhờ các công ty như dbt Labs với sản phẩm chuyển đổi dữ liệu dựa trên các lệnh SQL.

Các nhà khoa học dữ liệu, những người từ lâu đã tranh luận về giá trị tương đối của các ngôn ngữ lập trình và công cụ khác nhau, ngày càng nhận thấy SQL khiêm tốn có thể đưa chúng đến đích một cách nhanh chóng và dễ dàng.

Tăng tốc chuyển đổi với các công cụ trong cơ sở dữ liệu

Đó là một sự thật khó chịu đối với các nhà khoa học dữ liệu, nhưng phân tích có thể dễ dàng trở thành nút thắt cổ chai làm chậm quá trình chuyển đổi kỹ thuật số. Có những lý do chính đáng đằng sau điều này - thiếu kỹ năng, chi phí, sự phức tạp. Các công cụ khoa học dữ liệu mã thấp giúp tăng tốc nhanh chóng quá trình trích xuất thông minh có thể hành động từ dữ liệu. Trong tay của một chuyên gia dữ liệu có kinh nghiệm, tốc độ, tính đơn giản và hiệu quả chi phí của các giải pháp mã thấp trong cơ sở dữ liệu mang lại những khả năng phi thường. Bằng cách làm cho một lượng lớn dữ liệu dễ tiếp cận hơn, các nhà khoa học dữ liệu chỉ cần bị hạn chế bởi trí tưởng tượng của họ, thay vì những lý do thông thường mà mọi thứ không hoàn thành (chi phí, vấn đề tích hợp, mối quan tâm về thời gian, khoảng cách kỹ năng). Các giải pháp mã thấp đang giúp các nhà khoa học dữ liệu sáng tạo tỏa sáng khi họ phân phối ROI nhanh hơn và thể hiện sức mạnh của ML cho một số tình huống ngày càng tăng.

Chúng cũng giúp tăng sản lượng kỹ thuật số tổng thể của tổ chức. Rốt cuộc, đại dịch đã khiến thế giới xoay quanh các giải pháp kỹ thuật số và không có đường lùi. Ba phần tư số CIO cho biết nhu cầu về các sản phẩm và dịch vụ kỹ thuật số mới ngày càng tăng, từ đó tiếp tục tăng. Đối với các nhóm dữ liệu và CNTT vốn đã làm việc quá sức, căng thẳng quá mức và quá căng thẳng, sự sẵn có của các giải pháp mã thấp không thể đến vào thời điểm tốt hơn.

Những thách thức của một thế giới mật mã thấp

Mặc dù việc áp dụng các công cụ khoa học dữ liệu mã thấp đang tăng lên nhanh chóng, nhưng vẫn còn là những ngày đầu cho sự phát triển của loại hình này. Các tổ chức lo lắng về tính bảo mật và tuân thủ của các dự án xử lý dữ liệu (và các dự án khác) không phải là chuyên gia. Khi sự phát triển và khoa học dữ liệu ngày càng trở nên phi tập trung, một trong những thách thức lớn nhất đối với các tổ chức sẽ là thúc đẩy một nền văn hóa nơi đổi mới có thể diễn ra tự do, nhưng vẫn mang tính chiến lược, phù hợp và an toàn. Hầu hết các chuyên gia đồng ý rằng các chính sách của công ty sẽ cần phải được cập nhật để phản ánh các thông lệ mã thấp.

Các giải pháp AI mã thấp, khi được các nhà khoa học dữ liệu sử dụng, là một cách làm việc hiệu quả hơn, nhưng gián tiếp có thể làm tăng thêm khối lượng công việc của họ. Trong khi “phát triển công dân” nghe có vẻ như nó hoạt động độc lập với nhóm CNTT, nhưng thực tế đối với các nhà khoa học dữ liệu sẽ có nghĩa là các cuộc gọi tăng cường để giúp tích hợp, giải cứu hoặc hỗ trợ các công cụ kỹ thuật số đã được tạo ra ở nơi khác.

Cuộc sống như một nhà khoa học dữ liệu mã thấp

Các công cụ mã thấp đại diện cho một sự gián đoạn lớn đối với cách kỹ thuật số đã được thực hiện cho đến nay. Giống như mọi lực lượng gây rối, nó tạo ra cơ hội trong khi đe dọa hiện trạng.

Đối với các nhà khoa học dữ liệu, mã thấp hiện đang trở thành một thực tế của cuộc sống, một cách tiếp cận kết hợp để phát triển AI nên được chấp nhận vì tốc độ và sự đơn giản không thể phủ nhận của nó. Hơn nữa, dân chủ hóa và phi tập trung hóa CNTT là không thể ngăn cản. Đối với các nhà khoa học dữ liệu, câu hỏi bây giờ không phải là liệu có nên áp dụng mã thấp hay không, đó là cách tốt nhất để làm như vậy. Tôi đã thấy mã thấp theo dõi nhanh nhiều sự nghiệp khoa học dữ liệu. Hiểu biết về lĩnh vực của họ như họ đã làm, họ đã có lợi thế hơn so với các đồng nghiệp không sử dụng dữ liệu của họ. Trong tay các nhà khoa học dữ liệu, các giải pháp mã thấp giúp các nhà khoa học dữ liệu làm việc nhanh hơn và thông minh hơn, đồng thời nhanh nhẹn và sáng tạo hơn.