值得关注的数据科学职位

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

数据科学家正在消失。不，不是在物理意义上（这里没有狂喜），而是在就业市场上。多年来，“数据科学”一词一直是一个包罗万象的术语，但随着公司更好地了解招聘数据科学团队的内容，通用的“数据科学”职位可能会成为渡渡鸟的方式。

并不是我们为此感到难过。令人困惑的职位发布和对数据科学工作基础的误解导致双方都失望了。利益相关者对他们没有得到结果感到沮丧，而数据科学家对他们的结果没有得到承认感到沮丧。变化即将来临。


在 2020 年，我们将看到专业化过程的延续，更多的公司将明确他们正在寻找的东西，以此作为获得企业和组织所需结果的一种方式。以下是一些正在以流行和快乐的方式出现或继续出现的数据科学职位。

数据工程师
你已经看到了。数据工程师为各种数据科学家完成工作提供了骨干和结构。事情是这样的：数据工程有助于将纯数据科学转化为创造商业价值的东西。

[相关文章：如何成为一名数据工程师]

数据工程师负责数据及其产品的管道。他们负责制定有关框架和环境的技术决策，以便数据科学家能够发挥创造力。当某事发生故障时，他们有责任找出问题所在。

对于那里的每一位数据科学家，一个由多名（有些预测多达五名）数据工程师组成的团队继续监控、维护和排除环境故障。他们可以指导数据科学工作并构建那些具有商业价值的管道。仅在 Indeed 上就有近 131,000 个职位发布，而 数据 科学家职位刚刚超过 12,000 个，看来潮流正在转变。

人工智能产品经理
由于市场上有如此多的新产品需要人工智能处理，公司正在寻求与专家一起管理这个新“团队成员”的复杂方面。产品管理出现在 1980 年代左右，作为一种帮助将公司的历史价值保持在最前沿并确保管道顺利运行的方式。

人工智能产品经理采用这些管理原则并将 其应用于人工智能驱动的计划。他们定义 AI 问题并编译数据以训练模型。随着人工智能偏见的问题日益严重，黑盒解决方案仍然是一个问题，人工智能产品经理可以帮助定义构建这些计划的意义。

目前，很难聘请 AI 产品经理，因为这个职位仍然相对较新（在某些帖子中甚至可能不会这么称呼）。愿意雇用具有领导技能、产品管理经验以及对监督和非监督学习等技术理解的人的公司可以通过磨练人才来创造职位。

企业 需要这些产品经理 来帮助在人工智能采用之前、期间和之后保持一致性。人工智能产品经理还负责人工智能的人性化、监督、综合和批判性思维。

人工智能架构师
作为 AI 产品经理的合作伙伴，AI 架构师采用问题框架和指令，并为解决方案构建环境。数据架构师是数据科学团队的领导者，帮助了解项目的技术实施以及管道走向南方时的故障排除。

AI架构师很实用。他们拥有纯数据科学的技术和理论知识以及业务培训。他们了解计划的实际实施，并具有处理业务方面出现的问题的商业意识。

数据架构师让数据科学团队腾出时间来研究模型，而不必弄清楚它们为什么不工作的技术方面，并决定实施该计划的技术。

数据架构师应该能够根据业务方面的冲突需求和数据科学团队的理想主义做出判断。特定于业务的限制和限制也在讨论中。这是一个高度具体的角色，确实需要一定程度的经验和解决问题的自然意识。

数据分析师
数据分析师，这是你的时间。数据是混乱的，它反映了我们自己对世界的偏见和信念。数据分析师的价值 不仅仅是清理数据 ，还延伸到判断如何最好地处理混乱的数据世界以获得干净、可靠的结果。

数据分析师帮助在数据过程中建立安全性。优秀的数据分析师可以分析数据并对其进行清理，以便为处理做好准备。相同的数据还需要准确表示模型训练，如果检测到偏差，数据分析师应该能够检查该数据是否存在潜在问题。

如果人工智能是一个黑盒解决方案，那么信息分析就更加关键了。在真正可解释的人工智能可用之前，对这些模型的深入了解将是修复有缺陷的模型的唯一途径。

信息安全分析师
网络安全通常不在数据科学领域。尽管如此，随着人工智能驱动计划的出现，信息安全分析师将需要对 数据科学的功能有一个清晰的了解，从而做好准备。随着这项技术的进步，将数据科学知识与网络安全相结合将成为数据科学家需要承担的新角色。

信息安全分析师根据上下文了解风险。数据可用性和安全性之间的关系是微妙的。这个角色采用人工智能、机器学习和一些行为分析的原则，为人工智能和增强智能以及大数据时代的安全提供最佳途径。


编辑推荐
1、2022年300个以上最佳免费数据科学课程
2、大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！
3、机器学习模型方法总结
4、历史最全机器学习/深度学习/人工智能专业术语表中英对照表
5、机器学习如何应用于商业场景？三个真实的商业项目
6、数据工作者的自我修养 | 哪些技能是必不可少的？
7、《汗牛充栋：数据分析书籍分享》CDA网校新课上线
8、文本挖掘常用的107个语料库
9、一图读懂“东数西算”工程
10、零基础转行数据分析，看这篇文章就够了

DA内容精选

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：数据科学