<optgroup id="i0uik"></optgroup>
<optgroup id="i0uik"></optgroup>
旗下產業: A產業/ A實習/ A計劃
全國統一咨詢熱線:010-5367 2995
首頁 > 熱門文章 > 大數據分析 > 機器學習工程師與大數據分析師的區別與聯系
機器學習工程師與大數據分析師的區別與聯系
時間:2020-07-03來源:www.zhuozheng31.icu點擊量:作者:Sissi
時間:2020-07-03點擊量:作者:Sissi



  自2013年以來,隨著其受歡迎程度激增,大數據分析行業一直在飛速發展,但逐漸趨于融合為更具體的角色。不可避免地,這會導致其成長過程中的工作混亂和不一致。例如,看似有許多完全相同的角色或具有不同角色的相同標題:
 

  機器學習大數據分析師,大數據分析工程師,數據分析師/科學家,機器學習工程師,應用科學家,機器學習科學家…
 

  清單繼續。甚至對大數據分析專業人來說,招聘人員也向他們伸出援手,擔任大數據分析師,機器學習(ML)專家,數據工程師等職位。顯然,這個行業很困惑。差異如此之大的眾多原因之一是,公司對大數據分析的需求和用途截然不同。無論出于何種原因,看來大數據分析領域正在分支并合并到以下幾類:分析、軟件工程、數據工程和研究。無論類似的標題怎么說,它們通常都屬于這些類別。這種專業化在負擔得起的大型科技公司中最為真實。
 

  在機器學習與大數據分析的區別與聯系中,我們將首先研究大數據分析行業的整體趨勢,然后更深入地比較機器學習工程師和大數據分析師的區別與聯系。小編并不是要提供廣泛的歷史,而是要敘述作為大數據分析師在一線城市居住時的所見和經歷。
 

  大數據分析產業趨勢
 

  在深入探討之前,請看一下我在招聘網站上找到的以下兩個職位描述。嘗試猜測這些描述的標題。
 

機器學習工程師
機器學習工程師
 

機器學習工程師
大數據分析師
 

  非常不同,對不對?令人驚訝的是,兩者都適合大數據分析師的職位。我并不是說一個比另一個更好。重點是看它們有何不同。
 

  即使在工作中,人們也進行了積極的討論,試圖弄清楚究竟是什么定義了大數據分析師。我見過有人將大數據分析師描述為計算機科學博士或新數據分析師。這是因為不同的公司將術語“大數據分析師” 用于非常不同的職位。但是,我相信行業一直在學習變得更加具體和具有更加專業的作用,而不是將所有內容都放入大數據分析的廣泛領域。
 

  那么,大數據分析師可以暗示什么不同的角色?在很大程度上,我認為他們是軟件工程師,數據分析師,數據工程師和應用/研究科學家。我見過具有相同大數據分析師頭銜的朋友,但他們的角色是四個角色之一。在大數據分析的早期,一位大數據分析師可能已經扮演了這四個角色。今天的職位變得越來越具體和專業。
 

  大數據分析師趨勢
 

  大數據分析師最基本的通用技能是編寫代碼的能力。這可能在五年后變得不那么真實了,那時會有更多的人的名片上標有“大數據分析師”的頭銜。
 

  正如文章所暗示的那樣,您今天沒有理由成為一名出色的大數據分析師。以前,用于分析大數據和討厭數據的工具和方法以前沒有像以前那樣易于訪問和用戶友好。這要求大數據分析師在其他技能之上必須具有相對較強的工程技能。但是用于ML和大數據分析的工具發展很快,并且比以往任何時候都更易于訪問,因此您只需幾行代碼就可以訪問最新(SOTA)模型。這使得將角色分離到分析或工程中變得更加容易?,F在,我們不必專注于學習所有的分析,工程和統計數據就可以成為大數據分析師,這與以前一樣。
 

  例如,Facebook引領了這一趨勢,在該趨勢中,數據分析師的工作已經發展成為數據科學家。這是自然過程,因為隨著數據量的增加和更具挑戰性的數據問題,需要更多的技能和培訓來進行良好的分析。不僅是Facebook,還有其他許多公司,例如Apple和Airbnb,都在將分析/產品大數據分析師與ML大數據分析師區分開來。
 

  公司規模如何影響角色
 

  值得一提的是,專業化更多地出現在大型科技公司中。與各種規模的科技公司都需要的軟件工程師不同,并非所有這些公司都需要專門的研究科學家或ML工程師。擁有幾個大數據分析師可能就足夠了。因此,在較小的公司中,仍然有可能在這四個角色中都發揮作用的大數據分析師。
 

  今天的經驗法則是,大公司(FANG)中的大數據分析師通常與高級分析師相似,而小公司中的大數據分析師與ML工程師更相似。這兩個功能都很重要,也很需要。展望未來,我將堅持我的新定義,即大數據分析師暗指的是分析功能。
 

  不同的大數據分析師以及如何選擇它們
 

  DS的四個支柱
 

  求職-選擇哪個標題以及如何準備?
 

  如果您想進入這一領域,無論是作為ML工程師還是大數據分析師,您都可能想知道應該選擇哪個。讓我列出與ML相關的四個主要角色的簡化(和定型)描述,以幫助您闡明。盡管我還沒有親自擔任所有這些職務,但我已經從各個領域的朋友那里學到了見識。我還在括號中提供了潛在的采訪內容(將其視為四輪采訪)。
 

  大數據分析師:您是否想分析大數據,設計實驗和A / B測試,構建簡單的機器學習以及統計模型(例如,使用sklearn)來推動業務戰略?這個角色的結構較少,不確定性更大,您將推動項目的敘述。 (訪談:1個可能/統計,1個Leetcode,1個SQL,1 ML)。
 

  ML工程師:您是否要在生產中構建和部署最新的機器學習模型(例如Tensorflow,PyTorch)?您不僅關注構建模型,還關注運行和支持模型所需的軟件。您更多是軟件工程師(SWE)。 (訪談:3 Leetcode,1 ML)。
 

  研究科學家:您是否擁有計算機科學博士學位,并且在ICLR中發表了幾本關于ML的出版物?您是否想突破機器學習研究的界限,并在被引用論文時感到興奮?這些是稀有品種,您已經知道自己是誰。這些人大多數都去Google或Facebook。同樣,無需博士學位即可進入該實驗室,但很不幸。 (訪談:1 Leetcode,3 ML /研究)。
 

  應用科學家:您是ML工程師和研究科學家的混合體。您不僅關心代碼,還關心使用和推動最新的(SOTA)機器學習模型。 (訪談:2 Leetcode,2 ML)。
 

  顯然,這些描述并不詳盡。但是,當我與朋友交談并查看許多工作說明時,我發現這些想法很普遍。如果不確定要應用的角色,請參考以下提示以了解更多信息:
 

  閱讀職位描述:老實說,頭銜并不重要。它可能被稱為同一位“大數據分析師”,但職位描述可能有很大不同。
 

  招聘網站跟蹤:如果您不確定Apple的大數據分析師是什么樣的,只需查看一下Apple大數據分析師在招聘網站上擁有什么樣的背景。他們主要是CS博士嗎?本科?他們接受什么樣的培訓?這將幫助您獲得更好的主意。
 

  面試:如果您認為自己的角色是技術角色,但尚未接受編碼方面的采訪,則可能不會獲得技術角色。您的面試內容反映了工作性質。
 

  ML工程師與大數據分析師
 

  好的,那很長?,F在回到我們的主題。近年來,我開始聽到人們對大數據分析工作發表更多負面看法。造成這種情況的一些原因是,越來越多的大數據分析師工作似乎不再具有很酷的機器學習因素,而且似乎更容易獲得。也許是五年前,大多數職位描述至少都需要碩士學位才能獲得大數據分析師的職位,但現在情況不再如此。不管人們為什么認為(至少是過去的)大數據分析已經結束的原因,讓我們來看一些數據。
 

  即使兩個職位的平均工資相似,您也可以看到大數據分析師在2015年和2016年的平均工資有所下降。也許這就是人們對大數據分析師的好日子已經過去了。就數量而言,大數據分析比機器學習工程學要大得多,但是您可以看到機器學習工程師的成長更快,薪水更高。
 

  幾個與ml相關的位置的摘要統計信息
 

  我學到了一些有趣的見解:
 

  總體而言,數據科學家比大數據分析師還多,但這在2019年會發生變化!這是否表明數據分析師被重新命名為大數據分析師?
 

  機器學習工程師的薪水略高于大數據分析師,但該領域的機器學習工程師卻少得多。這是因為ML工程師的正式頭銜通常只是軟件工程師。
 

  研究科學家的平均水平令人驚訝地低。我發現這是因為數據庫可以包括許多其他類型的研究科學家,而不僅僅是技術ML研究的科學家。因此,我為一個高科技公司提供了一張桌子,以減少這種噪音。正如預期的那樣,研究人員登上了微軟最高薪水的寶座。
 

  數據工程師的基本工資為130萬美元,這讓我感到驚訝。這很瘋狂!也許您應該考慮這個職業。
 

  請記住,此數據集僅包含基本工資,股票通常在科技界扮演著重要角色。而且,它不能全面描繪就業市場。但是,考慮到我們在技術領域擁有多少外國工人,這應該仍然是一個很好的代理。
 

  根據這些數據,我不能說大數據分析行業是蕭條。它仍在增長,但可能會更加關注分析。從我的觀察來看,確實有更多的大數據分析工作需要更少的先決條件,但這并不是一件壞事。
 

  結論
 

  我寫這篇文章是因為我自己對行業中正在發生的所有變化感到困惑。而且,對于大數據分析,人們似乎有很多不同的看法。無論誰是對是誰,我希望您能看到趨勢并自己決定。
 

  最后,不要選擇一個工作或行業,因為它的平均薪水更高或因為流行語。您的頭銜是大數據分析師還是ML工程師還是數據科學家都沒有關系。有人說大數據分析師是工程師還是分析師都沒關系,因為兩者都是正確的。
 

  盡管可以輕松比較基于薪資的職位,但選擇自己喜歡并擅長的職位更為重要。關注您所做的實際工作,并確保它適合您。僅僅因為平均工資可能會更低,這并不一定意味著您實際上會獲得較少的收入。如您先前所見,我討論的所有角色的最高薪資都很高。

 

?2007-2019/北京漫動者教育科技有限公司版權所有
備案號:京ICP備12034770號

?2007-2019/ www.zhuozheng31.icu 北京漫動者教育科技有限公司 備案號:京ICP備12034770號 監督電話:010-62568622 郵箱:bjaaa@aaaedu.cc

久久久大香菇精品