隨著人工智能的發(fā)展，市場上出現(xiàn)了一些新的工作崗位。但對于這些新興領(lǐng)域的新興職業(yè)，我們很多人難以分辨其間的不同之處，尤其是機器學(xué)習(xí)工程師和數(shù)據(jù)科學(xué)家的作用有何區(qū)別，這很令人困惑。

閱讀了不同的文章、博客并觀看了一些視頻之后，筆者想通過對比二者之間的差異來更清晰地介紹它們。

先類比一下。作家和教授之間有什么區(qū)別？可以說這兩者都知道一種語言的“規(guī)則和語法”，其中一個是講故事的人，另一個是“規(guī)則”的嚴(yán)格實踐者。

數(shù)據(jù)科學(xué)家對原始數(shù)據(jù)進(jìn)行處理分析，連接點并使用其他可視化工具講述故事。他們通常具有較廣泛的技能，深入了解的知識不超過一兩個。他們更多偏向是在創(chuàng)意方面，像一個藝術(shù)家。

機器學(xué)習(xí)工程師則將數(shù)據(jù)視為必須接收并能以某種適當(dāng)?shù)男问礁咝л敵龅臇|西。他們的技能需要與實施細(xì)節(jié)相關(guān)的高效。

兩者之間可能有很多重疊之處，但數(shù)據(jù)科學(xué)家可以是機器學(xué)習(xí)工程師，反之則不然。也許隨著他們獲得更多經(jīng)驗，機器學(xué)習(xí)工程師就是數(shù)據(jù)科學(xué)家，這樣的說法會實現(xiàn)。

機器學(xué)習(xí)與數(shù)據(jù)科學(xué)的維恩圖

就洞察力或?qū)W習(xí)等方面而言，數(shù)據(jù)科學(xué)需要具有一定商業(yè)頭腦的人才，而機器學(xué)習(xí)則需要關(guān)于系統(tǒng)預(yù)測的人才。例如：

數(shù)據(jù)科學(xué)：“在城鎮(zhèn)的這一部分，每2英里約有一個加油站”

機器學(xué)習(xí)：“自從看到加油站以來，我們走了兩英里，所以現(xiàn)在就要開始尋找另一個加油站”

接著再來看看Netflix的例子。

我們都知道Netflix會根據(jù)之前的選擇來智能地推薦電影。該推薦系統(tǒng)可與機器學(xué)習(xí)算法配合使用，從而使用推薦系統(tǒng)提供合適的電影選擇。

當(dāng)談?wù)揘etflix中的數(shù)據(jù)科學(xué)時，我們所要研究的模式包括在特定時間觀看的評論者數(shù)量、其年齡和性別組成以及許多其他情況。這些決策用于改善業(yè)務(wù)前景。當(dāng)企業(yè)需要借助數(shù)據(jù)來回答問題或解決問題時，數(shù)據(jù)科學(xué)家的工作就是從原始數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)中提供有用的見解。

數(shù)據(jù)科學(xué)家需要的技能：

統(tǒng)計

數(shù)據(jù)挖掘和清理

數(shù)據(jù)可視化

非結(jié)構(gòu)化數(shù)據(jù)管理技術(shù)

編程語言，例如R和Python

了解SQL數(shù)據(jù)庫

使用Hadoop、Hive和Pig等大數(shù)據(jù)工具

機器學(xué)習(xí)工程師需要的技能：

計算機科學(xué)基礎(chǔ)

統(tǒng)計建模

數(shù)據(jù)評估和建模

了解和應(yīng)用算法

自然語言處理

數(shù)據(jù)架構(gòu)設(shè)計

文本表示技術(shù)

綜上可見，數(shù)據(jù)科學(xué)家和機器學(xué)習(xí)工程師的工作還是有很大區(qū)別的，不要混淆它們。確定好自己所具有的技能條件和個人興趣更適合哪個職位，并有意識地培養(yǎng)自己某個方向的技能，為未來做好準(zhǔn)備。