规划数据科学和人工智能职业生涯

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?

Kwartler说:“数据科学家的职业生涯很有趣。我本人拥有MBA学位，并且完全是自学。我们DataRobot公司的一些具有能力和积极性的业务分析师是公民数据科学家，我们希望他们成为专业的数据科学家。这可以通过培训来完成，也可以通过软件来完成。关于其职业道路的有趣之处在于，需要大量时间来学习业务，了解建立模型的背后故事，因为这些是从初级阶段开始的。

另一种不同的职业道路就像是数学家或者拥有天体物理学博士学位的专家。他们绝对可以构建出色的模型，对他们来说，面临的挑战在于如何在业务方面更多扩展。

第三种就是希望学习建模的软件工程师。现在对于机器学习工程师的需求不断增长，他们在编程方面有丰富的经验，并且已经对计算机科学

（编辑：四平站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!