赞
踩
作者 | Luke Posey
译者 | 鹿未来,责编 | 屠敏
头图 | CSDN 下载自东方 IC
出品 | CSDN(ID:CSDNnews)
我预测很快!
这只是我的个人片面的论点,所以大家可以尽情的说出自己的想法,这样这个领域就可以朝着正确的方向发展了。
机器学习技术未来将会封装到软件工程师日常使用的工具包里面。
其实,我们在每个领域一开始都会扮演着专业的角色,但随着时间的推移,就变得普通起来,换一句话说,就是说的多了大家也就见怪不怪了。
现在在企业里的AI和数据科学家被统称为机器学习工程师,早些年,机器学习是个必要的角色。因为它确实能带来一笔非常可观的收入!但机器学习工程师也是因人而异的。
一部分看重本质的人认为机器学习工程师经常会用到数据工程,还可以将模型带出实验室并可量化、扩大机器学习系统规模,理论工程化。ML工程师非常强大,几乎了解所有的模型。
但这感觉又有点像软件工程师。
调研了一些头部的技术公司,对于机器学习工程师的理解每家有不同的看法。没啥可惊讶的,这是一个比较新的岗位,而且基本上是经理级别的,很多时候他们没有个几十年是不能了解这块的。
这是一些头部技术企业的岗位招聘要求,注意看他们之间的不同:
第一个很劲爆,确定不是要招研究员?
这是个大厂公司,而且是巨头,所以也不用太惊讶。
最后这个是属于照抄型的。
很多公司开始用新的办法,就是把机器学习为核心的需求列出来,并且首选有软件工程经验的,不管这个框系统是基于ML还是其他的,雇主都应该选择有丰富经验的工程师来做。
只要机器学习了解的人少,而且门槛低,那机器学习工程师就很有存在的必要。
我坚信,机器学习工程师的角色将完全由普通软件工程师代替。 它将转变为标准工程角色,工程师将从上游人员那里获得接口和库,将其转换为生产代码,并交付和扩展应用程序。
现在很多ML工程师都处在解决机器学习安全这块的问题,就很诡异,在这种情况下,他们既是研究院又是工程师,我遇到过一部分ML工程师几乎遍及整个堆栈,另外一波可能就是涉及范围比较窄,但会花很多时间研究新的论文,并他们落地实现。
现在我们就是处在一个挺奇特的十字路口上,而且这个地方就像拼图一样安排好了大家的位置。
由于工作方式的影响,无论是否对我们的专业有用,但我们还是更倾向于去参加会议并且加入讨论。可以说就是我们接受任何形式的会议邀请,哈哈,在我看来,ML应该是处在架构之上的输出阶段,把代码落地。
不久前,大部分企业不需要研究工作就能完成相应的项目,只有利基(针对性、专业性很强的产品)和用到比较深的技术需求才会用到。未来的世界就要靠工程师使用API接口了,可以理解为ML将变成常用调用工具。我们可以看到现在越来越多的大学把机器学习纳入到大学中,那在学习的过程中每个毕业生其实未来都会有自己的一个领域。
打个比方,区块链现在炙手可热,那区块链其实可以理解为分布式系统工程师。自 Nakamoto 发布比特币白皮书以来,绝大多数区块链项目一直在致力于基础技术和基础架构的建设。因此,你必须要有特别强大的工程技能——分布式系统工程师。 最终我们会看到事物变得抽象了,那么企业就开始寻找用例,普通的工程师现在就可以使用区块链构建新的用例。AI / ML也是在这样变化着。
另外一些观点:
硅谷有个主题是“一个API来统筹所有”,这很可能是虚假的,而机器学习将始终需要在基础架构级别进行一定程度的自定义。 我认为,HuggingFace对NLP的意义将在其他所有域中发生。 我们将能够通过一个简单的API征服大多数用例。
“这只是个头衔。 “机器学习工程师”是指,具有比一般CS毕业生更高的数学和统计背景知识的人。” 完全同意。 这只是一个标题。 但如果不再需要该角色,那标题还存在吗? 可如果你是对的,那这就只是标题。
“在我的架构中机器学习根本不是这个意思。”因为在你的架构中,所以我要学习这些,而且还要继续了解这些事情的发展和走向。同时也想听听其他的想法。
“这只是个头衔,没人在乎”你是对的,所以无所谓怎么想。
“机器学习是一个新兴领域,具有新的用例,在不断地研究中。 在未来十年内放慢速度是幼稚的想法。” 很有可能!
文章中有个我喜欢的回复,来自Varii在Twitter上:
“如你所说,这只是个头衔,大部分的企业希望你有多重技能,归根结底,这并不是关乎谁被淘汰,而是关乎谁具有足够的才能不断适应变化的行业。”
我在向社区征询大量意见呦,当然我的观点也永远不会一成不变。
对此,你怎么看呢?
原文:https://towardsdatascience.com/machine-learning-engineers-will-not-exist-in-10-years-c9cbbf4472f3
本文为 CSDN 翻译,转载请注明来源出处。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。