机器学习工程师的职业道路
说到技术技能，机器学习正变得越来越热门。各种规模的公司都需要能够构建和管理自学习人工智能模型，并将这些模型整合到各种下一代应用程序和服务中的技术专业人员。
根据levels.fyi提供的信息（一家众包各种技术职位薪酬信息的公司），在过去的六个月里，专门从事机器学习和人工智能的人的薪酬增长了2.7%，从平均每年24.6万美元增长到25.2万美元。当然，那些在机器学习方面有丰富经验和技能的人可以获得指数级的高薪，尤其是在以高薪闻名的大公司。
但是，要想走上机器学习工程师的职业道路，需要具备什么条件？一旦你走上了这条道路，你会有哪些选择？让我们深入探讨一下。
需要什么样的教育背景
才能成为一名机器学习工程师？
在走上这条职业道路之前，重要的是要有扎实的计算机科学和数学基础，包括了解计算机和算法的工作原理。
编程是一项基本技能，根据角色和公司的不同，可能需要多种编码语言。Python和JavaScript通常是有上进心的机器学习工程师首先关注的最流行的编程语言，其次是支持TensorFlow和PyTorch等框架。
Skillsoft的高级机器学习工程师Neil Ouellette解释说:“一旦你建立了这个基础，并发展了你的核心技能，下一步就是开始应用你所学到的东西。”通过尝试不同的算法和在Github上创建小型项目来获得实践和经验是很重要的。
他解释说：“这是一个很好的方法，不仅可以提高你的技能，还可以建立一个你最终可以与未来雇主分享的工作组合。”
你需要接受正规教育才能成为机器学习工程师吗？这是个好问题。鉴于对机器学习和人工智能工程师的需求，许多公司愿意雇用没有正式的两年制或四年制学位的技术专业人士，只要他们能在面试过程中证明自己具备成功担任该职位所需的技能。在你开始申请工作之前，确保你已经扎实地掌握了以下几点，这是机器学习工程师职位经常出现的要求：
研究、设计和实现机器学习模型和系统
实现机器学习算法和工具
扩展数据科学原型
选择合适的数据集，验证数据质量，清理和组织数据(与数据工程师合作)
进行统计分析
执行测试和优化机器学习模型和算法
监控生产系统并对其进行再培训以提高性能
利用机器学习库
为了完成这些任务，你需要掌握以下几点：
编程
数学，概率论和统计学
机器学习算法和框架
软件工程和系统设计
MLOps
探索早期职位
New Relic软件工程师Mehreen Tahir表示，入门级机器学习工程师通常负责预处理和清理数据，实施和测试不同的机器学习模型，并可能部署这些模型。
他说: “这涉及到大量的数据整理和调试，但这是学习过程中必不可少的一部分。”“我总是建议初学者开始自己的项目，或者参加像Kaggle这样的在线竞赛。”
这些经历可以为你提供对机器学习实际挑战的宝贵见解，当你开始认真申请职位时，它们还可以帮你丰富简历和申请材料。
入门级机器学习工程师(通常被称为初级机器学习工程师或机器学习实习生)通常适合企业的数据科学或工程部门。一些典型的任务可能包括协助开发机器学习模型，与数据分析师和数据科学家进行大量合作。与大多数科技工作一样，对于任何想要以机器学习为职业的人来说，扎实掌握沟通和同理心等“软技能”是必不可少的。
“你可以在高级团队成员的监督下帮助建立和测试模型，收集和清理数据，并学习解释和呈现结果，”Ouellette说。“许多企业希望他们的机器学习团队能够跟上最新的技术和方法，你可能会被要求在这方面提供帮助。”
推进你的机器学习工程师职业生涯
作为一名机器学习工程师，有很多职业发展的途径，无论你是想成为一名经理还是个人贡献者。
“在积累了几年的经验和专业知识后，你可以晋升到高级职位，”Ouellette说。“这些工程师通常监督项目管理，设计更大规模的系统，并可能指导初级工程师。”
这些潜在的职位可能包括高级机器学习工程师、首席机器学习工程师或团队负责人、数据科学家、人工智能专家、机器学习架构师或研究科学家。鉴于机器学习的普及，掌握其基本原理可以打开越来越依赖该技术的大量职业道路。
“作为团队领导，你将监督和领导一个机器学习工程师团队，”Ouellette解释说。“这包括代表团队做出关键决策，并拥有整个机器学习开发过程。”
在严重依赖数据或人工智能的公司中，晋升到首席数据官或首席人工智能官的执行角色意味着你要负责在最高层建立人工智能和数据相关的战略。Tahir指出:“如果你发现自己有处理客户问题和将业务问题转化为数据问题的诀窍，那么进入数据科学岗位可能是一个不错的选择。”
与管理层良好合作
数据科学家通常什么都要做一点，从理解业务环境到数据分析，再到以非技术人员可以理解的方式传达结果。如果你对管理感兴趣，并希望最终经营自己的团队，那么软技能比以往任何时候都更重要。
Tahir说:“在这个角色中，你将较少亲自操作代码，更多地参与战略决策、团队管理以及团队与企业其他部门之间的联络。”“如果你对机器学习的理论方面非常感兴趣，并希望突破自己，你可以考虑回到学校攻读博士学位，成为一名研究人员。”
重要的是要记住，这些途径并不是严格线性的，这个领域的美妙之处在于，根据个人兴趣和技能，有很大的灵活性来塑造自己的职业生涯。你想让机器学习为你做什么?
投资继续教育
为了确保作为机器学习工程师的职业生涯不断进步，保持对领域最新进展的了解至关重要，尤其是在它快速发展的情况下。工具、语言和框架享受频繁的迭代和更新，如果你忽视这一点，你就会落后。
保持基础知识的更新，包括参加在线课程，参加研讨会，网络研讨会或会议，定期阅读相关的研究论文。Tahir说:“另一个关键点是不断地从事具有挑战性的项目，无论是在工作中还是在业余时间，这都能突破你目前技能的极限。”“这种实践经验是无价的，经常可以让你接触到新的工具和技术。”
建立人际网络也很重要：加入专业团体、在线社区和参加行业活动可以帮助你与机器学习专业人士建立联系，向同行学习，并开启新的机会。
保持软技能的强大
从Tahir的角度来看，培养软技能也很重要，包括沟通、团队合作和解决问题的能力：“这些都是至关重要的，特别是当你晋升到更高的职位或管理职位时……展示你与非技术团队成员或利益相关者有效沟通复杂想法的能力，可以显著促进你的职业发展。”
Ouellette也认为，知道如何与非技术受众沟通是至关重要的。他说:“虽然机器学习本身就很复杂，但你经常需要向可能没有技术背景的利益相关者或客户解释算法和统计模型的工作原理，”他说。“强大的沟通技巧是必不可少的。”
作者：Nick Kolakowski
AI聘
微信扫码关注该文公众号作者