机器学习中的角色

人工智能 (AI) 和机器学习领域的职位头衔多种多样，初看之下可能有些复杂。从事这些领域的人员可能被指定为 AI 专家、数据科学家或机器学习工程师，每个人都有专门的职责，例如 AI 数据分析师、AI 工程师、AI 研究科学家、数据科学家、ML 工程师等。

要了解这些职位，可能会让人不知所措，而了解这些职位的增长前景也同样具有挑战性。值得注意的是，根据 O*Net Online 的数据，数据科学家的未来前景一片光明，预计从 2020 年到 2030 年将增长 15% 或以上，超过所有职业的平均增长率。此外，计算机信息和研究科学家的职业前景也异常乐观，根据美国劳工统计局的报告，预计在 2020 年至 2030 年间将增长 22%。这些统计数据强调了 AI 和机器学习职业的动态且快速发展的性质，预示着那些从事这些尖端职业道路的人将拥有丰富的机会。

机器学习的 8 个典型职位头衔

1. 人工智能工程师

人工智能是一个新兴的蓬勃发展的领域，近年来稳步扩张，正如 LinkedIn 2022 年新兴职业报告中所强调的那样。在人工智能工程领域，专业人士深入研究了神经网络和自然语言处理等传统机器学习方法。他们的主要任务是构建驱动 AI 应用的模型，强调技术与创造力的结合。

根据 Camm 等专家的说法，掌握基本技术技能对 AI 工程师至关重要，尤其是在编程和高等数学（包括统计学）方面。然而，该职位的多方面性质超出了技术熟练度；创造力、有效沟通、对商业动态的细致理解以及原型开发能力等软技能同样至关重要。这套全面的技能集强调了人工智能不断发展的格局，其中熟练程度同时涵盖了技术和人际关系维度，以实现有效的解决问题和创新。

2. 大数据工程师

“大数据”一词指的是以加速的步伐积累的大量、多样化的数据集。根据国际数据公司（International Data Corporation）的数据，预计到 2025 年，全球将存储高达 163 ZB 的数据，是 2016 年生成数据的十倍。这种数据涌入不仅仅是数量上的激增，更是催生新用户体验和广泛商业前景的催化剂。

在大数据工程师的引领下，他们正处于处理海量信息洪流的前沿，驾驭着庞大的计算环境。他们的工作涉及挖掘数据以提取相关数据集进行分析，使组织能够预测行为并进行战略调整。尽管潜在的应用涵盖公司内的各个部门，但海量数据的规模给利用带来了挑战。Balan 强调，大数据工程师不仅需要拥有数据库和数据集成专业知识，还需要具备强大的解决问题能力。这套多方面的技能对于有效利用大数据指数级增长过程中的变革力量至关重要。

3. 计算机和信息研究科学家

在计算机和信息研究职业领域，一个充满希望的前景正在等待着。这种激增不仅由数据积累驱动，还延伸到计算机科学家加强网络安全措施的必要性，并制定创新的策略来挫败网络攻击。除了数据收集之外，这些专业人员还利用信息为企业创造创新的技术解决方案，并探索现有技术的新应用。他们的职责涵盖一系列任务，包括机器人技术、编程、算法开发以及与云计算相关的活动。

Camm 强调了计算机和信息研究科学家在将概念转化为有形技术方面发挥的关键作用。对先进和优质技术日益增长的需求放大了对这些专业人员的必要性。随着技术的不断发展，他们专业知识的需求也在不断增长，这使得计算机科学家处于应对新兴挑战和塑造技术格局的最前沿。

4. 数据分析师

根据世界经济论坛 2018 年的一项研究，预计到 2022 年，高达 85% 的公司将拥抱大数据和分析，这表明对能够分析海量数据的人才的需求巨大。数据分析师在此领域发挥着关键作用，他们解读数据，整合来自不同来源的见解，并将其转化为可操作的信息，有可能在金融、医疗保健、营销和零售等行业的企业和组织中得到提升。

Balan 强调，熟练的数据分析师目前是商业领域最受欢迎的专业人士之一。他们专业知识的强劲需求，加上精通该角色细微之处的人员供应有限，使数据分析师处于主导其职业生涯的有利地位。这凸显了他们在数据驱动型领域中技能集的战略重要性，他们在该领域中的分析能力可以推动有意义且有影响力的商业决策。

5. 数据工程师

数据工程师是多才多艺的专业人士，他们拥有先进的软件开发技能和对数据库的深刻理解。他们的职责包括编码、数据集操作以及实现其他数据从业人员（尤其是数据科学家）的请求。根据 DICE 2020 年技术就业报告，该 IT 职位被誉为技术领域增长最快的职位，需要强大的技能集，包括对 SQL 数据库设计的广泛知识以及多种编程语言的熟练程度。

与数据分析师不同，数据工程师专注于准备数据供内部使用，而不是直接对其进行分析。正如 Camm 所强调的，他们的作用对于确保数据为内部消耗做好准备至关重要，这凸显了他们在数据处理管道中的关键贡献。在动态的技术环境中，数据工程师在优化数据基础设施方面发挥着关键作用，使组织能够充分发挥其数据资产的潜力。

6. 数据科学家

与数据工程领域的同行一样，鉴于大数据的使用不断增加，数据科学家也准备迎接光明的未来。美国劳工部预计，到 2020 年至 2030 年，该职位的就业人数将大幅增长 31%，超过整体就业市场的增长率。

数据科学家的核心职能是设计和实施技术或分析应用程序，将原始数据转化为有意义的见解。他们利用数据挖掘、建模、自然语言处理和机器学习，并使用编程语言和可视化软件进行数据提取和解释。

Balan 强调，优秀的数据科学家应该具备扎实的计算机科学和编程基础。除了技术敏锐度之外，人际交往能力也至关重要，这使得他们能够与同事协作并有效沟通他们的发现。这套全面的技能集使数据科学家成为数据驱动型环境中不可或缺的贡献者，在那里他们的分析能力与有效的协作相结合，以驱动有意义的成果。

7. 研究科学家/应用研究科学家

研究科学家在推进数据科学家发现的见解方面发挥着至关重要的作用，他们通过各种方法进行扩展和实验。他们擅长构建实验、制定假设和得出结果，从而促进有前途的数据线索的演变。

应用研究科学家将这些经过提炼的数据应用于实际工业应用，展示了利用新知识和实施可扩展解决方案的专业知识。

根据劳工统计局（BLS）的数据，研究科学家和计算机科学家预计在 2020 年至 2030 年间将经历 22% 的显著就业增长，超过了平均增长率。2019 年，计算机和信息研究科学家的主要雇主多种多样，包括联邦政府（不包括邮政部门）、计算机系统设计及相关服务、物理、工程和生命科学领域的研发、软件出版商，以及州、地方和私立的学院、大学和专业学校。

8. 机器学习工程师

根据 Robert Half 2020 年的一份报告，30% 的美国经理目前正在使用人工智能和机器学习，另有 53% 的经理计划在未来五年内集成这些技术。这一上升趋势预示着机器学习工程师的有利前景。

在机器学习工程领域，专业人员负责构建控制计算机和机器人的程序。他们设计使机器能够在其编程数据中识别模式的算法，最终赋能机器进行自学习，以理解命令和独立决策。

Balan 强调，一名优秀的机器学习工程师有望掌握这些模型实际实施所必需的软件工具。随着组织越来越多地采用人工智能和机器学习技术，机器学习工程师的作用变得至关重要，这反映了他们塑造智能计算系统未来格局的专业知识日益增长的需求。

9. 机器人工程师

机器人工程师可以通过机器学习背景获得显着的优势。机器人背后的驱动力通常涉及模仿人类行为或优化任务执行效率。在此职位上，作为机器人工程师，一个人可能会为机器人计算机视觉的开发做出贡献，使其能够解释和理解视觉环境并做出准确安全的决策。或者，工程师可以深入研究创建机器学习算法，以处理机器人执行组装汽车零件等任务时生成的海量数据。

年薪平均约 $99,040，那些参与设计改进人们生活的机器的人扮演着至关重要的角色。考虑从事机器人职业的有志之士应熟悉 C++ 和 Python 等编程语言，这些是“学习 C++”和“学习 Python”等课程涵盖的基本技能。

10. 自然语言处理 (NLP) 科学家

自然语言处理科学家利用算法来识别自然语言规则，并利用这些规则使计算机能够说和理解语言。利用机器学习可以简化这一过程，通过允许设计算法来发现和测试模式，从而无需手动干预或复杂的电子表格。本质上，NLP 科学家充当语言与机器之间的语言调解者，促进人与机器之间的相互理解。

在自然语言处理领域，专家可以专注于计算语言学、人类语言技术、自动语音识别或机器翻译等子领域。此外，NLP 科学家在收集、探索和提高数据质量方面发挥着关键作用。这种数据适应和扩展支持机器学习技术，促进他们所专注领域的进步。