Data Science三類職業方向:機器學習、數據分析和數據科學
Data Science三類職業方向:機器學習、數據分析和數據科學
2013年,Warald寫文章介紹過數據科學做什麼?需要什麼核心技能?
http://www.1point3acres.com/what-is-data-science-analytics/
2015年,我又談了如何成為全棧數據科學家?如何選擇公司團隊來培養自身的能力?
http://www.1point3acres.com/data-scientist-how-to-select-teams
根據Warald了解的信息,數據科學經過這些年的迅速發展,已經分化成三類工作職位。今後幾年,這種劃分應該會更明顯。
1
數據科學的三個職業方向
1. 機器學習工程師 Machine Learning Engineer
代表了技術含量較高的方向,工作內容主要是開發機器學習系統和用這些系統解決實際問題。一般需要ship production code,做出來的是數據產品。
2. 數據分析員 Data Analyst
工作內容俗稱analytics (product analytics or business analytics),從數據中提取insight,估計投資回報比,為產品方向提建議,所用工具一般較基礎,比如寫SQL query取數據、用R/Python做簡單的分析、用Tableau/Excel作圖比較常見,能自己開發Dashboard算是analyst裡面技術強的;工作需要產生各種形式的報告;在統計層次上,懂基本t-test和線性回歸即可。
3. 數據科學家 Data Scientist
很多人說,我想做數據科學家,我想做機器學習,而這類職位就是大家想像中的那種。
此類職位工作內容以高級建模為主,會針對複雜的問題來設計技術方案,比如Uber叫車的ETA、各種定價系統、Airbnb和金融行業的Fraud Detection、Amazon物流管理,FB/Linkedin的社交網路或者ebay/Airbnb/Uber這樣供需雙方Marketplace市場規模的實驗。這些例子,聽上去就不是寫SQL能解決的,也不是會寫代碼就能做出來的,都需要比較深的領域知識。
2
三個職業方向的對比
從工資收入高低來看:
1和3都很高,2要低一些,尤其是非IT行業,工資明顯低很多,工作地點如果也不是熱門地區的話,可能只有1和3的一半。
從工作機會多少來看:
近期內對1的需求很高,今後幾年內也會保持;2散布在各個行業,加起來也不少;3其實是少數派,職位很少,往往只有大公司才需要,中小型公司可能不需要,即使需要的話,有少數幾個人也就夠了。
從讀什麼專業、拿什麼學位角度來看:
1包含「會一些ML的軟體工程師」和「會寫生產代碼的機器學習專家」兩種,也就是說,側重點會有差異,但是機器學習和軟體開發技能都需要。有EE或者CS博士學位最佳,統計等計量學科博士,如果輔修了CS master,也合適。
如果只有EE/CS碩士學位也可以找機器學習工程師職位,但是碩士生們需要額外自學很多機器學習知識才能勝任,只靠在學校里簡單上一兩門課,可能不夠。此外,找工作的時候,也需要一些運氣成分才能找到合適的崗位。
2一般是統計、數據科學、商務分析、工業工程等專業的碩士擔任。
3一般是統計、運籌、經濟、工業工程、EE、CS等專業的博士擔任,需要某領域的深刻理解。
3
如何在三個職業方向之間轉換
如果你做的是1,考慮到工資收入高,能接觸到技術核心(比如LinkedIn是如何給大家推薦工作的),你很可能不會主動考慮換崗位,當然,如果有機會往3靠近,做點新東西,或者處理更上層、更有全局觀的問題,很多人也會考慮。
可能有人會問,碩士生們,在2類崗位工作幾年以後,是否可以從事3?這個要看具體情況,但是整體難度非常大。有一個道理相信很多人都明白:基礎工作做1000遍,不代表你能從事高級工作,典型的例子是用天天寫SQL產生report,寫上3年,不代表你能做建模。此外,很多公司看到你的最高學位是碩士,很可能不會考慮你,不給你機會。
3類工作也並非完美,最大的問題在前面說了,工業界職位少,換句話說,你跳槽可能沒有幾個選擇;當然,公司要招有經驗的人,合適的candidate也少。如果要往1轉,最大的障礙是編程能力如何,能否寫production code,如果本身就是EECS出身,那會很容易。
各位,你對哪類職位感興趣?有啥沒問題咩?
- Warald
4
一畝三分地官方iOS應用限免!
名稱:一畝三分地留學社區
鏈接:https://appsto.re/us/EesS8.i
5
真實有料的美國留學指南
清華大學出版社出版,Warald作品《你不知道的美國留學》
http://www.1point3acres.com/warald-new-book-2015/
消息回復
"定位" -> Warald申請定位免費評估
「電話」 -> 想跟Warald電話諮詢嗎?
"諮詢" -> Warald諮詢服務特點說明
「就業」 -> Warald就業培訓服務說明
「移民」 -> 辦綠卡移民美國詳細介紹
微信號:
Warald_1point3acres
※人工智慧和機器學習——這些流行詞你Get到了嗎?
※機器學習流行趨勢一覽
※看看大神的思路!機器學習界網紅7分鐘教你如何搭建Chatbot?
※這家公司正在影響大公司決策,還開發了一款機器學習優化引擎
※Geoffrey Hinton 機器學習第四課
TAG:機器學習 |
※Mariadb學習總結(三):數據類型
※Women in Data Science Beijing:與數據科學的美妙邂逅
※數據科學Python基礎
※Jupyter Notebook數據科學高效技巧!
※「Python」Chapter1 變數和簡單數據類型
※基於Markov Chain Monte Carlo的智能手錶睡眠數據分析
※Redis 數據類型
※一張圖搞懂:數據科學vs.機器學習vs.數據分析vs.商業分析
※深入對比數據科學工具箱:SparkR vs Sparklyr
※用戶數據泄露三連彈:Facebook、安德瑪&Panera Bread
※Python數據處理實戰——使用Scikit-Learn進行多類文本分類
※Facebook暫停數據分析公司CubeYou的運營、NASA正在通過機器學習搜索遠程行星的望遠鏡數據
※給數據科學家的 Python 3 指導;簡單 chatbot 代碼實現
※TalkingData University 與易華錄展開數據專業人才教育合作
※Kotlin 基本數據類型
※talmo-design-cables數據線品牌與包裝設計
※Apache新成員:LinkedIn分散式數據集成框架Gobblin
※最新調查:Python 成數據分析、數據科學與機器學習的第一大語言
※Twitter 開源數據分析工具——tinfoleak
※淺談大數據Bigtable與MapReduce、GFS有何聯繫