报告 | 73%的“落伍”开发者说:明年要学AI技术

简介:
本文来自AI新媒体量子位(QbitAI)

还有几天就要告别2017,明年想不想get点新本领?不过学什么好呢?


这是开发者们的新年学习愿望。相信你也看到其中最显眼的几个答案了:机器学习、人工智能(AI)、Python、大数据……

这些数据来自DigitalOcean的一份报告。

参与这份报告的开发者共计2500人,来自全球各地。报道显示,开发者对人工智能/机器学习技术非常重视,但已经掌握相关技能的仍是少数。不过,大部分“落伍”的开发者表示,明年会投入精力学习AI。

当然,也有将近一半的开发者说,明年准备换个新工作。

一起来看看这份报告的主要内容。

平台和工具

参与调查的开发者们,有很强烈的工具偏好。

在编程工具方面,使用PHP的开发者占27%,选择Python的占24%,然后是JavaScript等。具体排名情况详见下图。


在桌面操作系统层面,39%的开发者使用了MacOS,32%使用Linux,使用Windows系统的开发者占29%。

而对于服务器的操作系统,89%的开发者使用的是Linux,8%使用Windows,2%使用MacOS。



机器学习和AI

人工智能和机器学习技术越来越受欢迎。随着这些技术开始成熟,并成为更强大的生产解决方案,这一趋势还将继续。

不过目前只有17%的开发者表示,2017年用过人工智能或机器学习技术。



那些还没开始搞AI的开发者中,72%打算2018年学习更多AI和机器学习。


这是一张2017年的人工智能/机器学习关键词热图。


此外参与调查的开发者表示,2018年将面临与人工智能相关的重大挑战,包括工作流程的自动化、机器学习/AI技术的利用等等。

开发者分布

这份报告调查了来自全球各地2500多名开发者。

这其中,有43%的开发者来自IT和服务行业,30%来自软件行业,还有6%来自教育行业,3%来自金融服务行业,3%来自制造或物流行业。

从地域来看,有37%的人工作地点在欧洲,36%在北美,15%来自亚洲。

 

报告获取

如果你对这份报告感兴趣,可以在量子位微信公众号(QbitAI)后台回复:“Ocean”,也就是海洋这个英文单词,即可获得下载地址。

本文作者:岳排槐
原文发布时间:2017-12-23 
相关文章
|
8天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
41 3
|
17天前
|
人工智能 搜索推荐 安全
AI技术在医疗领域的应用与挑战
【10月更文挑战第27天】 本文探讨了人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和患者管理等方面。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题和技术局限性等。通过对这些方面的深入分析,我们可以更好地理解AI在医疗领域的潜力和发展方向。
123 59
|
6天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
16天前
|
机器学习/深度学习 人工智能 自然语言处理
思通数科AI平台在尽职调查中的技术解析与应用
思通数科AI多模态能力平台结合OCR、NLP和深度学习技术,为IPO尽职调查、融资等重要交易环节提供智能化解决方案。平台自动识别、提取并分类海量文档,实现高效数据核验与合规性检查,显著提升审查速度和精准度,同时保障敏感信息管理和数据安全。
67 11
|
11天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
57 4
|
11天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
15天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战####
本文旨在探讨人工智能(AI)技术在医疗健康领域的创新应用及其面临的主要挑战。通过深入分析AI如何助力疾病诊断、治疗方案优化、患者管理及药物研发,本文揭示了AI技术在提升医疗服务质量、效率和可及性方面的巨大潜力。同时,文章也指出了数据隐私、伦理道德、技术局限性等关键问题,并提出了相应的解决策略和未来发展方向。本文为医疗从业者、研究者及政策制定者提供了对AI医疗技术的全面理解,促进了跨学科合作与创新。 ####
|
14天前
|
人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第31天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念开始,然后详细介绍其在医疗领域的应用,包括疾病诊断、药物研发、患者护理等方面。最后,我们将讨论AI技术在医疗领域面临的挑战,如数据隐私、算法偏见等问题。
|
14天前
|
存储 人工智能 文字识别
AI与OCR:数字档案馆图像扫描与文字识别技术实现与项目案例
本文介绍了纸质档案数字化的技术流程,包括高精度扫描、图像预处理、自动边界检测与切割、文字与图片分离抽取、档案识别与文本提取,以及识别结果的自动保存。通过去噪、增强对比度、校正倾斜等预处理技术,提高图像质量,确保OCR识别的准确性。平台还支持多字体识别、批量处理和结构化存储,实现了高效、准确的档案数字化。具体应用案例显示,该技术在江西省某地质资料档案馆中显著提升了档案管理的效率和质量。
|
16天前
|
机器学习/深度学习 人工智能 自然语言处理
医疗行业的语音识别技术解析:AI多模态能力平台的应用与架构
AI多模态能力平台通过语音识别技术,实现实时转录医患对话,自动生成结构化数据,提高医疗效率。平台具备强大的环境降噪、语音分离及自然语言处理能力,支持与医院系统无缝集成,广泛应用于门诊记录、多学科会诊和急诊场景,显著提升工作效率和数据准确性。

热门文章

最新文章