2019年全球IaaS公有云服务市场强劲增长37.3％

你对这一结果感到惊讶吗？尽管这两个职位的平均工资大致差不多，但你可以看到数据科学家的平均工资在 2015 年和 2016 年有所下降。大概这就是人们所说的，数据科学家的好日子一去不返了吧。但就纯粹工作数量而言，数据科学还是远远大于机器学习工程，但你可以看到相比之下机器学习工程师工作数量的增长速度更快，且平均薪水也更高。

为了方便你阅读，我在下面总结了从 Salary Ninja 收集的本文讨论的几个角色的统计数据。第一张表展示了过去六年的统计，又抽出其子集在第二张表里仅展示了 2019 年的最新数据统计。最后，我列出了微软这一家公司六年以来的数据统计。


"雾计算"是由大量异构普遍存在的无线分布式设备通过网络相互协作在无第三方干预的情况下共同完成计算和存储任务的场景。这些任务可能是关于网络等基本功能的，也可能是关于具体应用的。用户可以通过有偿租用这些分布式设备来获取这样的服务。而"气计算"是我斗胆结合中国文化和物联网思维提出了"气计算"，这个概念的提出也希望为推广中国文化做出点微薄之力，希望有一个中式定义。

 

求职——应该选择哪个职位以及如何准备面试？

如果你试图进入这个领域，无论是当一名机器学习工程师还是数据科学家，你可能首先想知道的是自己究竟应该选择哪一个岗位。请让我列出四个与机器学习相关的主要岗位简化的（但也是约定俗成的）描述，以帮助你弄清楚这些职位到底是干什么的。虽然我个人在工作中并没有将所有这些职位都尝试干过一遍，但我从工作在各个领域的朋友那里学到了很多有用的知识。我还在以下描述中的括号里提供了可能的面试内容（假设是典型的四轮面试）。

1.  数据科学家： 你想分析大数据、设计实验和 A/B 测试、构建简单的机器学习和统计模型（例如使用 sklearn）来推动商业策略的运筹帷幄吗？这个角色的工作不会特别结构化，会包含较多的不确定性，你需要能够独当一面地去主导项目的表述。（面试：1 轮概率 / 统计，1 轮 Leetcode 编程，1 轮 SQL，1 轮机器学习。）

     2.  机器学习工程师： 你想在实际业务中构建并部署最新的机器学习模型（例如 Tensorflow,，PyTorch）吗？你工作的重点不仅是构建模型，而且还需要编写软件以运行和支撑你的模型。在这个职位上，你更像是一个软件工程师。（面试：3 轮 Leetcode 编程，1 轮机器学习。）

     3.  研究科学家： 你有计算机科学专业的博士学位，并在 ICLR 国际会议上发表过几篇机器学习相关的论文吗？你是否致力于突破机器学习的研究前沿，当你的论文被别人引用时会感到兴奋不已吗？能做到这些的人的确是凤毛麟角，相信如果能做到这些，你已经很明确自己想干什么样的工作了。而这类人才中的大多数最终都进入了谷歌或者 Facebook。而且，即使没有博士学位也可以进入这个行业，但这样的情况少之又少。（面试：1 轮 Leetcode 编程，3 轮机器学习 / 研究。）

     4.  应用科学家： 你是机器学习工程师和研究科学家的混合体。所以这个角色不仅要关注编程，还需要去使用和推进最前沿（SOTA）的机器学习模型。（面试：2 轮 Leetcode 编程，2 轮机器学习。）

显然，以上这些描述并不算面面俱到。但当我和朋友聊起相关职位，看过很多工作描述后，我发现上述这些观点还是普遍适用的。如果你对自己想要申请的职位还是有些不太确定，这里我还有一些建议可以帮助你进一步了解工作职位：

•  阅读职位描述：说实话，职位头衔并不重要。这些职位统统可能都被冠以相同的“数据科学家”字眼，但工作角色描述可能相去甚远。
•  挖掘 LinkedIn：如果你不确定苹果公司招聘的数据科学家是什么样的角色，只要看看苹果公司的数据科学家在 LinkedIn 上有什么样的专业背景就可以了。他们是否大多都是计算机科学专业的博士？或者是本科生学历？他们都接受过什么样的专业培训？这些信息将有助于你了解更多。
•  面试：如果你认为你应聘的职位是一个技术岗位，但在面试过程中却没有遇到任何编程技术面试，那你多半不会在此得到一个技术职位。通常你的面试内容就反映了工作的性质。

机器学习工程师 vs 数据科学家

好吧，已经说得够多了。现在回到我们的话题上来。近年来，我开始听到人们对数据科学工作的负面评价越来越多。造成这种情况的几个原因是，越来越多冠以“数据科学家”的工作岗位貌似并不像从前一样包含许多高端的机器学习成分，而且这样的职位似乎比以前更容易获得。也许五年前，大多数招聘岗位描述会要求至少有硕士学位才能应聘数据科学家的工作，但现在情况已经大不一样了。不管人们如何揣测数据科学（至少在过去日子里）热度已过的原因，请让我们先来看一些实际数据。

下面的数据和图表来自世界著名的薪资数据库搜索引擎，Salary Ninja。它根据 H1-B 数据库中全美的外籍员工的信息进行搜索。你会看到 2014 年至 2019 年，职位名称中含有“数据科学家”或“机器学习工程师”的职位的数量和平均工资。

（编辑：淮安站长网）

【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!