死信队列、重试队列、消息回溯等

AI 如果真的可以写代码了，程序员将何去何从?近几年，NLP 领域的生成式任务有明显的提升，那通过 AI 我们可以让代码自动完成后续补全吗?本文主要介绍了如何使用 GPT2 框架实现代码自动补全的功能。

如果 AI 真的可以自己写代码了，程序员将何去何从?

我去年做过一个代码补全的小功能，打包为 androidStudio 插件，使用效果如下：

 

3) 做一个项目需要多快?

你将比数据科学家更快地处理项目。每天可以有多个数据提取查询或报告，每周可以有更大的可视化和洞察力。由于你通常不是在构建模型和预测，你将更快地扭转结果，因为它们更具有描述性和即时性。

数据科学家

数据科学家与数据分析师差别很大。虽然这两个角色之间有重叠工具和语言，但数据科学家能与不同的人一起工作，并花更多的时间研究更大的项目，比如机器学习模型的创建和部署。

数据分析师可能倾向于在项目中单独工作;例如，使用一个Tableau仪表板来显示结果可能只需一人，但数据科学家可以结合其他几个工程师和产品经理来确保模型能够解决业务问题，并确保代码是正确的、强大的和有效的。

 

谈谈和数据科学家相比，做数据分析师是什么感受。

了解自己在该领域的日常期望是很重要的。与典型的数据科学家相比，数据分析师可以期望与不同的人一起工作，以不同的方式更多地进行交流，并且行动更快每个角色给人的感觉可能会大不相同。

下面，笔者将提出一些常见的问题，并作出相应的回答，介绍一些数据分析师的经验。

(1) 你与谁共事?

你将主要与公司中的利益相关者合作，他们要求你能够提取数据，有直观的见解，定期汇报。能通过使用电子邮件、Slack和Jira等工具沟通，可以进行口头或者数字交流。你将把重点放在人员和业务分析方面，而不是公司的工程和产品部分。

(2) 你与谁分享发现?

你会和领导分享发现。如果你有经理，有时会向他们进行报告，他们会将你的发现转达给相关的利益相关者。你还可能还要收集需求、制作报告并将其传达给利益相关人员。

你可以使用Tableau、谷歌Data Studio、Power BI和Salesforce等工具进行报告。这些工具通常可以连接到容易访问的数据源(如CSV文件)，而有些工具需要使用SQL对数据库进行高级查询，进行更多的技术工作。

 

在分别经历过专业数据分析师和数据科学家的职业工作之后，笔者体会到了每个职位的所需经验和日常感受之间的区别，并且我认为，突出这种关键差异是有意义的。

本文希望帮助犹豫不定的你选择出最适合自己的职位。如果你已经是数据分析师或数据科学家了，也许你会想要转换到另一个职位，有些人从数据分析师起家，又转行为数据科学家，还有些人是想从一个非高级数据科学家转行成为高级数据分析师。

每个职位都有一些重要的概念和总体经验，在做出下一个重大职业变动时，了解这些都是很重要的。笔者将重点介绍作为数据分析师和数据科学家的感受。根据自身经验及同行同事的经验，提出并解答关于这两个职位的常见问题。

（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!