如何规划数据科学和人工智能职业生涯

正文

请到「今天看啥」查看全文

可以确定的是，数据科学家和人工智能专业人士的职位拥有大量空缺，并在未来一年将继续快速增长。为了帮助那些应聘这些职位的行业人士，将介绍以下内容：

• 数据科学学生/专业人士最想学习哪些技能?这与市场需求如何匹配？

• 正在开发其数据科学和人工智能技能的学生/专业人士有哪些潜在的职业道路 ？

• 应聘者如何更好地为数据科学家职位的面试做好准备 ？

• 为什么让商务和计算机科学专业的学生在机器学习算法上进行协作很重要 ？

• 对于希望应聘数据科学或人工智能职业的学生或专业人士，提供的总体建议是什么 ？

为了深入了解有关人工智能和数据科学专业人士的职业生涯规划，机器学习平台厂商DataRobot公司可信人工智能副总裁Ted Kwartler对此进行了阐述和分析。Kwartler也是哈佛大学的兼职教授，教授《商业数据挖掘》课程。

Kwartler说：“数据科学家可以说是哈佛大学十年来最热门的学科之一，工作岗位拥有大量短缺，我认识到这一点，我的学生也一样。而且很多企业试图填补这一空缺，对员工开展培训，并且很多员工对此很感兴趣，因为可以获得更高的薪酬。

我的一位在一家大型科技公司工作的朋友，在企业收购中，他获得的收益是企业利润的1%，其收入绝对令人印象深刻。那些希望走上这条职业道路的人士可能会问，‘我如何进入这个行业，然后构建自己的职业生涯?’首先不要过多关注薪酬，而将其领域视为一块乐土。”

如今，大学生和专业人士希望学习有关数据科学和人工智能的哪些技能？这些技能如何与市场需求相匹配？

Kwartler说：“很多学生对构建人工智能模型十分感兴趣，例如他们喜欢构建用于图像识别的深度神经网络。他们在学习数学知识、编写代码、构建模型方面十分积极，这是一个令人兴奋的过程，也是真正投入身心的过程……事实上，构建模型需要花费大量时间。

我所说的构建模型并不一定采用大数据，而是‘足够大’的数据。但目前理论与实践有些存在脱节。因此，这些学生可能要花费六个月的时间来构建完美的模型，并将其优化到小数点后第六位。

但是，如果只是尝试构建一种客户倾向模型，只是为呼叫中心提供一些新服务，而业务本身并不需要这些功能，那么在实际需要的功能和令人兴奋的技术之间将会出现脱节。

当我在Liberty Mutual公司工作的时候，是一个机器学习研究团队成员，我们的团队花费三到六个月的时间来获取数据，整理数据，并花三到六个月的时间来优化模型，然后再花三个月的时间与IT部门合作完成这个研究工作。这样的工作很繁重，许多数据科学家甚至不喜欢从事数据部分的工作，因为他们并不了解业务和用例。”

当人们开始在数据科学和人工智能领域中规划自己的职业生涯时，哪些职业道路对他们来说真正有意义？什么才是真正切实可行的职业道路？

请到「今天看啥」查看全文