Cognilytica在最新的调查中评估了数据准备解决方案、数据工程解决方案和的数据标签解决方案需求。数据准备解决方案旨在清理、增强和以其他方式增强用于机器学习的数据。数据工程解决方案旨在为企业提供移动的和处理大量数据的方法。数据标签解决方案旨在使用机器学习培训模型中所需的注释来增强数据。

主要调查结果：

2018年，人工智能和机器学习数据准备解决方案的市场价值超过5亿美元，到2023年底将增长到12亿美元。

数据准备和工程任务占大多数人工智能和机器学习项目时间的80%以上。

2018年第三方数据标签解决方案的市场价值为1.5亿美元，到2023年将增长到10多亿美元。

每1美元用于第三方数据标签，就有5美元用于内部数据标签。2018年支出超过7.5亿美元，到2023年底将增加到20多亿美元。

每1美元用于第三方数据标签解决方案，就有2美元用于内部数据工作，以支持或加强这些标签工作。

与物体/图像识别、自动驾驶以及文本和图像注释有关的人工智能项目是数据标签工作中最常见的。

在未来两年内，所有竞争对手的数据准备工具都将以机器学习增强智能作为核心。

数据标记和AI质量控制在短时间里不会消失。

199IT.com原创编译自：Cognilytica 非授权请勿转载

更多阅读：

Accenture：调查显示企业不愿花钱对员工进行人工智能培训

麦肯锡：2017年机器学习和人工智能现状

从贝叶斯定理到概率分布

美国西北大学：研究发现机器学习可推动经济飞速发展

PitchBook：2017年美国人工智能和机器学习行业投资额超过45亿美元

Crunchbase：2017美国人工智能和机器学习行业种子投资首次下降

HealthTransformer： 2017年AI和机器学习公司占医疗科技投资交易的12%

麻省理工科技评论：分析发现深度学习正在走向终点

调查显示32%的新加坡机构在利用机器学习技术

2017年全球AI和机器学习领域6大顶级专家

人工智能、机器学习、深度学习三者之间的同心圆关系

经济学人：人工智能崛起引发担忧，我们到底该如何应对

Verndale：2017年客户体验调查报告

德勤：人工智能的发展脉络和技术体系

人工智能，面临两大根本性问题