评估 衡量您正在考虑的技术,产品和项目的优缺点。

数据科学家与机器学习工程师职业生涯

在数据科学的保护伞下有很多职业,包括数据科学家和机器学习工程师。但是这两者之间有什么区别呢?继续往下读吧。

无论您是新进入劳动力,最近都已撤销,担心保持您当前的工作,还是暂时坐落在一起,并在您手上有一段时间,没有更好的时间才能拿起一些与之相关的技能而非现在。

根据LinkedIn,人工智能和机器学习工作已经在过去的四年里每年74%。此类别中的职称包括数据科学家和机器学习工程师但如果你搞不清数据科学家和机器学习工程师之间的区别,那你不是唯一一个。

“首先,两个角色之间没有区别,”日立Vantara联邦的首席数据科学家Pragyansmita Nayak表示,为联邦机构提供技术服务。

当两项工作首次开始增长时,公司向数据科学家宣传,无论是在数据科学家与机器学习工程师方面都有更多。

“今天的混乱[静止]存在,”Nayak说。

你的背景是什么?

专家表示,数据科学家与机器学习工程师之间的最大区别是他们来自非常不同的地方。

数据科学在数字服务咨询公司的数据科学总监Justin Richie表示,在统计和业务方面有其基础。

例如,可能会要求在银行工作的数据科学家了解为什么客户要离开,为什么要离开。数据科学家将决定需要哪些数据和分析并提出一种识别可能离开的客户的方式。

然而,机器学习工程师来自另一个方向 - 从软件开发。

“他们更专注于生产模型并将其嵌入应用程序中,”Richie说。

在银行示例中,机器学习工程师可能使用数据科学家创建的模型,并将其转换为产品代码,以便嵌入移动银行应用程序。这样,这些见解就可以付诸行动,银行可以立即采取措施,改变那些希望跳槽的客户的想法。

机器学习过程的细分“>
         <figcaption>
          <i class=机器学习过程中的一些关键部分

数据科学家的关键技能

据自主商业监测平台Anodot的首席数据科学家Ira Cohen称,“数据科学家”仍然经常被用作一个总称,而机器学习工程师是一个较窄的子集它。

但是,越来越多地,数据科学家正在成为一个更专业的工作类别,使用机器学习或人工智能分析业务数据。“类似于商业分析师的角色。”

数据科学家经常从商业分析师那里开始,并通过额外的课程提高他们的数学和分析技能在职培训。有些人也在数据科学中开始,学术背景有统计或人工智能。

除了数学和业务领域的知识之外,数据科学家通常需要编程技能来能够开发模型的原型。R和Python是工作中最常见的编程语言,但Scala,Julia,JavaScript,Swift,Matlab和Go也可能有用。数据科学家也应该熟悉Power Bi,Tableau和Qlik等数据可视化工具。

Andrew Stevenson,CTO在Lenses.io,提供数据平台监控技术的公司,曾经在一个项目的项目上工作过能源交易桌子上。

“他们能够建立模型,测试和在本地运行,”史蒂文森说。他说,他们达到了他们专业知识的极限。“模型不是生产成绩。他们没有监控,他们没有版本控制,它们不容易以可重复的方式开发。他们是黑匣子,如果桌面被重新启动,他们就有了一个生产事件。”

这正是机器学习工程师介入的地方。

“数据科学家通常是数学而是在编程中的识字,”史蒂文森说。“数据scientists in a financial trading firm -- the quants -- usually have Ph.D.s in mathematics but are also technically savvy with tooling such as R and Matlab, but they rely on highly skilled, hard-to-find programmers to implement their algorithms and bring them to production."

机器学习工程师的关键技能

机器学习工程师通常始于软件开发方面并添加机器学习技能通过在职培训或额外的研究,但有些人现在毕业于专业学位。

HackerEarth联合创始人兼首席执行官萨钦·古普塔(Sachin Gupta)表示,软件开发人员成为机器学习工程师从来没有像现在这样容易。

“与科技巨头的越来越多的开源图书馆喜欢纹orflow.谷歌为各种用例提供了预先训练的模型,机器学习工程师可以更简单地试验多种模型。”

然后机器学习工程师部署这些模型,建立api和web界面,并建立数据管道,他说。

机器学习工程师在技能方面与数据科学家有一些重叠。例如,两者都可能使用R或Python,并且都需要高级数学技能,如线性代数和统计。

但是预计机器学习工程师将更多高技能谈到编程时,Alexough表示,SunGard可用性服务的高级建筑师CTO。他说,机器学习工程师还需要了解AWS,Azure和GCP等生产平台及其AI服务。

2个工作重叠的地方

里奇说,大公司通常将数据科学家和机器学习工程师视为两种独立的工作职能。但在中小型公司,一个人可能同时做两份工作,公司只雇佣其中之一。这可能是一个错误,他说。

“雇佣一个人去做所有这些事情并不是让那个人去签约成功,”里奇说。

他建议那些只雇得起一个人的公司,就去招聘他们最需要的特定职位。

“那横幅训练其他人在公司,“他说。”这就是我一直在建议我们与之合作的客户。例如,业务分析师对学习数据科学技能有利。使用现有的技能组并仅雇用您需要的特定的利基垂直。“

携手合作

对于雇用数据科学家和机器学习工程师的公司,这两者通常在项目上密切合作。

将其视为数据科学家,是建筑物的建筑师。机器学习工程师是实际建造建筑的一般承包商。
Pragyansmita Nayak日立万塔拉联邦公司首席数据科学家

“将其视为作为建筑物的建筑师的数据科学家,”Nayak说。“而且机器学习工程师是实际建造建筑的一般承包商。”

她说,数据科学家从数据,目标和算法开始,而机器学习工程师从代码开始。但两者一起工作在许多任务上。数据科学家通常为特定项目选择最佳的机器学习算法,但机器学习工程师对组织使用的框架具有更好的想法。

“我会和机器学习工程师谈谈,”Nayak说。“我会问他们建议的不同选择是什么。”

然后,在机器学习工程师完成开发工作并将应用程序放入生产环境中,数据科学家可能是需要再一次

“这就是数据科学家回到最终用户并与他们一起工作的地方,并确保它们对系统感到满意,”Nayak说。

如何获得技能

许多在线教育平台正在制作课程可免费提供或者以较低的成本,包括那些提供可以添加到简历中的证书的学校。而且,为了让这些技能发挥一些作用,有一些志愿者可以为非营利组织编写代码或帮助开源项目。

甚至在大流行期间,网络有机会。许多当地数据科学团体和更大的会议和其他事件正在虚拟。寻找有关您正在进行的项目的演讲的机会,找到志愿者机会,并接受行业八卦关于谁的招聘。

数据科学不是大流行证明

起初,从事人工智能和分析工作的人似乎不会受到这场危机的冲击。毕竟,这些工作可以很容易地转变为在家工作的模式。

根据A.民意调查通过与国际分析研究所(International Institute for Analytics)合作开展的招聘公司Burtch Works的调查,在美国社交距离开始的第一周,56%的受访者表示,他们没有看到疫情对员工构成的影响。但到了第三周,只有40%的受访者表示会有同样的反应,38%的受访者表示公司会“部分或大幅”裁员。

LinkedIn也出现了大幅下滑数据科学家工作发布,Burtch Works报道。列表从3月下旬到一个月后的21,000多个帖子到了一个月后的少于17,000人 - 尽管列表在4月中旬到18,000份招聘岗位互相反弹。

然而,长期来说,对该行业显着乐观,因此您可能希望考虑培训成为数据科学家或机器学习工程师或提高您已经拥有的技能。

深入了解商业智能团队

搜索数据管理
搜索AWS
搜索内容管理
搜索甲骨文
搜索树液
搜索SQL.服务器
关闭