可以確定的是，數據科學家和人工智能專業人士的職位擁有大量空缺，并在未來一年將繼續快速增長。為了幫助那些應聘這些職位的行業人士，將介紹以下內容：
•數據科學學生/專業人士最想學習哪些技能?這與市場需求如何匹配?
•正在開發其數據科學和人工智能技能的學生/專業人士有哪些潛在的職業道路?
•應聘者如何更好地為數據科學家職位的面試做好準備?
•為什么讓商務和計算機科學專業的學生在機器學習算法上進行協作很重要?
•對于希望應聘數據科學或人工智能職業的學生或專業人士，提供的總體建議是什么?
為了深入了解有關人工智能和數據科學專業人士的職業生涯規劃，機器學習平臺廠商DataRobot公司可信人工智能副總裁Ted Kwartler對此進行了闡述和分析。Kwartler也是哈佛大學的兼職教授，教授《商業數據挖掘》課程。
Kwartler說：“數據科學家可以說是哈佛大學十年來最熱門的學科之一，工作崗位擁有大量短缺，我認識到這一點，我的學生也一樣。而且很多企業試圖填補這一空缺，對員工開展培訓，并且很多員工對此很感興趣，因為可以獲得更高的薪酬。
我的一位在一家大型科技公司工作的朋友，在企業收購中，他獲得的收益是企業利潤的1%，其收入絕對令人印象深刻。那些希望走上這條職業道路的人士可能會問，‘我如何進入這個行業，然后構建自己的職業生涯?’首先不要過多關注薪酬，而將其領域視為一塊樂土。”
如今，大學生和專業人士希望學習有關數據科學和人工智能的哪些技能?這些技能如何與市場需求相匹配?
Kwartler說:“很多學生對構建人工智能模型十分感興趣，例如他們喜歡構建用于圖像識別的深度神經網絡。他們在學習數學知識、編寫代碼、構建模型方面十分積極，這是一個令人興奮的過程，也是真正投入身心的過程……事實上，構建模型需要花費大量時間。
我所說的構建模型并不一定采用大數據，而是‘足夠大’的數據。但目前理論與實踐有些存在脫節。因此，這些學生可能要花費六個月的時間來構建完美的模型，并將其優化到小數點后第六位。
但是，如果只是嘗試構建一種客戶傾向模型，只是為呼叫中心提供一些新服務，而業務本身并不需要這些功能，那么在實際需要的功能和令人興奮的技術之間將會出現脫節。
當我在Liberty Mutual公司工作的時候，是一個機器學習研究團隊成員，我們的團隊花費三到六個月的時間來獲取數據，整理數據，并花三到六個月的時間來優化模型，然后再花三個月的時間與IT部門合作完成這個研究工作。這樣的工作很繁重，許多數據科學家甚至不喜歡從事數據部分的工作，因為他們并不了解業務和用例。”
當人們開始在數據科學和人工智能領域中規劃自己的職業生涯時，哪些職業道路對他們來說真正有意義?什么才是真正切實可行的職業道路?
Kwartler說:“數據科學家的職業生涯很有趣。我本人擁有MBA學位，并且完全是自學。我們DataRobot公司的一些具有能力和積極性的業務分析師是公民數據科學家，我們希望他們成為專業的數據科學家。這可以通過培訓來完成，也可以通過軟件來完成。關于其職業道路的有趣之處在于，需要大量時間來學習業務，了解建立模型的背后故事，因為這些是從初級階段開始的。
另一種不同的職業道路就像是數學家或者擁有天體物理學博士學位的專家。他們絕對可以構建出色的模型，對他們來說，面臨的挑戰在于如何在業務方面更多擴展。
第三種就是希望學習建模的軟件工程師?，F在對于機器學習工程師的需求不斷增長，他們在編程方面有豐富的經驗，并且已經對計算機科學有足夠的了解，并將其投入生產。
因此，我認為這是三種非常重要的職業道路，因此專業人士有多種實現目標的途徑。此外，我認為還需要有經驗豐富的管理人員，這些人很了解如何與這些技術人員一起工作。
技術人員可以與這樣的管理人員探討談論數據的流暢性，探討自動駕駛汽車正在提交的地理空間數據，它們通過API連接，并且正在使用深度神經網絡圖像識別。當技術人員無法制定策略時，管理人員需要對某些技術有一些基本的了解，并做出決策。因此，我認為管理人員可以擴大規模并確保其業務快速發展。”
在面試技巧方面，為了幫助應聘者獲得人工智能的工作崗位，您會提出什么建議?應聘者如何更好做好準備，如何更好地展示自己?
Kwartler說:“事實上，我希望每個應聘者都知道，這與毅力有關。如果應聘者沒有獲得夢寐以求的工作機會，不要灰心，一定要堅持不懈提高自己的技能和水平。實際上，我曾經應聘過83家公司。
我首先要說的是，應聘者考慮一下自己的水平，具有哪些知識和技能，并思考企業到底需要什么樣的人才。下一個階段通常是應聘者知道如何與從事招聘的人員進行更好地溝通。招聘人員需要的是具有技術深度的應聘者。
這是一種平衡的舉動，因為他們想知道應聘者是否可以勝任。應聘者可以展示一些自己的才能。但是總的來說，因為IT行業人才通常會很坦率，所以應聘者也應該坦率地展現自己。
我認為數據科學是一項團隊活動。也就是需要不斷地進行交流，并要求完成最佳實踐。這個領域是如此的多樣化，沒有人會知道處理各種問題的各種方法。因此，經常需要與他人互動，在技術方面獲取最佳實踐和經驗，更不用說如何將構建的模型投入生產。所以仍然需要人際溝通技巧，并且要有一些良好的主題，例如可以建立盡可能最好的模型。”
對于希望應聘數據科學或人工智能職業的學生或專業人士，您提供的總體建議是什么?
Kwartler說:“人們可能會看到這兩個行業領域提供了很多職位，如果了解這些職位，可以讓應聘者走上數據科學的道路。因此不要限制自己的選擇。就擁有的大學學位而言，只是一個有助于打開行業大門的敲門磚。
但人們會發現，擁有DataCamp或Bootcamp認證的人員取得了很多成功，因為那里存在真正的市場需求。所以對這些職業感興趣的大學生來說，需要找到一個可以投入更多熱情的研究項目。因為這會有更多的動力來學習，例如如何通過網絡收集籃球比較的統計數據，學習如何下載股票數據。遇到了障礙，具有能力和動力克服這一障礙。并將大量時間花費在技術論壇上，花費在Stack Overflow上。而學習成果就是通過不斷的實踐得來的。因此，我并不認為大學學位真的那么重要。
而大學教育可以幫助大學生打開行業大門，幫助他們獲得實習機會。而擁有名牌大學學位的畢業生并不擔心沒有工作機會，但擁有行業認證證書可以提供更大的幫助。”
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號