Почему стремительный темп развития Data Science начался только в 2010-х?
Насколько мне известно, еще в прошлом веке описывали методы машинного обучения, которыми пользуются и сегодня, и даже проектировали первые платы с нейронными сетями
ПрограммированиеData scienceМашинное обучение
Таймураз ТибиловМашинное обучение и Нейронные сети
· 2,9 K
Это связано с появлением видеоадаптеров с поддержкой параллельных вычислений CUDA и особенно библиотек CUDA Toolkit 3.0, а также замечательному наблюдению того, что параллельные вычисления большим количеством процессоров видеоадаптера очень хорошо подходят для обработки больших данных.
1 эксперт согласен
Это связано с развитием Интернета. К 2010 году в Интернете в свободном доступе появилось очень много баз данных. И, плюс к этому, стало возможным данные просто парсить с разных сайтов. Например, стало возможным скачать из Интернета гигабайты фотографий человеческих лиц или изображений котиков.
После того, как у датасаентистов появилось много разных датасетов, было... Читать далее
Эксперт по оптимизации инвестиционного портфеля и прогнозированию биржевых цен.
Перейти на forecast.nanoquant.ru
Fullstack разработчик, Vue, React, Angular, Webpack 5 версия, Gulp, Python, ML (машинное... · 27 дек 2022 · github.com/akimrix
В 2010-х годах наблюдался значительный рост развития библиотек машинного обучения, таких как scikit-learning и TensorFlow, что облегчило применение техник ML к реальным проблемам.
Говоря о конкретных технологиях, Python, CUDA и TensorFlow. Эти технологии, безусловно, сыграли определенную роль в Data Science, но они являются лишь небольшой частью более крупной... Читать далее
Собственно, в части Science я никаких заметных подвижек с 90-х или даже 80-х годов не припомню. Сейчас разговор идёт о возможности хранить огромные объёмы данных, обрабатывать их и делать на этом деньги. Соответственно, вокруг бабла всё и завертелось, привлекая производителей железа и толпы IT-слесарей.