2016年大科技公司在机器学习的举措：SAS、IBM、微软等

"2016年机器学习与深度学习的发展情况" 在2016年，机器学习和深度学习领域经历了显著的增长与变革。这一年，关键趋势包括对算法偏见的关注，不同系统间的互操作性增强，深度学习技术的迅速发展，超级计算的普及以及机器学习云平台的兴起。各大科技公司纷纷加大投入，利用他们的资源和市场影响力来推动这一领域的创新。 SAS作为分析预测技术的领头羊，以其独特的商业模式，在市场中占据显著位置。公司不仅在软件收入上领先，还拥有一支由统计学家、精算师和其他依赖数据分析的专业人士组成的团队。SAS的历史可以追溯到与IBM的合作，其软件最初是为IBM System/360大型机设计的，随着时间的推移，SAS逐渐发展成为数据分析领域的巨头。 其他在数据仓库市场有影响力的公司，如IBM、微软、Oracle、SAP和Teradata，也纷纷在机器学习领域采取行动。这些公司拥有强大的财务背景，能够开发和推广针对他们庞大客户群体的机器学习解决方案。尽管Teradata主要集中在数据仓库领域，但IBM、微软等则已深入到机器学习领域，IBM和微软甚至积极地参与到开源软件项目中，向社区贡献代码，显示了对开源生态系统的支持。 与此同时，新入局者如戴尔和HPE试图在高级分析市场分一杯羹，但并未取得显著成效。而谷歌和Amazon Web Services (AWS)尽管在业务分析领域尚未建立牢固地位，却已展现出明显的战略部署。谷歌成立了Google Cloud Machine Learning，AWS推出了QuickSight，两者都意在扩大在机器学习市场的份额。 对于开源软件的态度，IBM和微软表现得较为积极，直接贡献于开源项目，而Teradata对PrestoSQL的投入也表明了其对开源的重视。相比之下，Oracle和SAP虽然在其解决方案中使用了开源软件，但在开源社区的贡献相对较小。SAS在拥抱开源方面的态度显得较为保守。 总结2016年，机器学习和深度学习的发展不仅体现在技术进步上，也体现在大公司的战略部署和对开源生态的接纳程度上。这些变化预示着未来这一领域的竞争将更加激烈，同时也为数据科学家和开发者提供了更多工具和平台选择。在接下来的文章中，作者将继续探讨初创公司在机器学习领域的创新，以及前一年度调查的结果，揭示更多行业的动态和趋势。