- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
135|职场话题:聊聊数据科学家的职场规划
2018-01-19洪亮劼来自北京
《AI技术内参》
今天,我们继续来聊数据科学家或者人工智能工程师的职场话题。我们更进一步,来聊聊数据
科学家的职场规划。
当然,说到职场规划,这确实是一个非常宽泛的主题。我们今天要探讨的不是数据科学家“应
该”怎么发展,而是说,有哪些职业发展的“可能性”,希望能够为你规划自己的职业生涯起
到一个抛砖引玉的作用。
数据科学家的“垂直发展”
数据科学家一个最直接的职场规划,就是在技术线上持续发展,逐渐成为一个技术专家。目
前,不同公司对数据科学家类型,这里包括研究科学家、算法专家、人工智能工程师等职位的
职业生涯设置并没有完全统一的模式。但是,数据科学家类型的职位在技术线上大体有这么几
个台阶可以发展。
第一个台阶是“初级数据科学家”。
这个台阶对应很多公司入门级别的数据科学家,并且大概是对应博士生毕业直接入职,或者硕
士生有2-3年工作经验后入职这样的情况。这个阶段的数据科学家,其主要职能是在一个比
较大型的产品解决方案中,完成一个小的模块或者任务。当然,也可以是,在一个比较小型的
产品解决方案中,完成较大的模块或者任务。
初级数据科学家对机器学习和人工智能的掌握程度主要集中于单独的算法。因为对业务需求接
触不多,在如何利用模型和算法来对整个业务提供解决方案,也就是我们之前说的“翻译”业
务的能力上,存在着比较大的挑战。这也是初级数据科学家在这个阶段最需要积累和进阶的部
分。
下一个台阶就是“中级数据科学家”。
这个台阶对应很多公司的“高级数据科学家”(SeniorDataScientist)、“主管数据科学
家”(StaffDataScientist)。一般来说,“初级数据科学家”有1-3年工作经验之后就有
机会晋升到“高级数据科学家”,然后再有1-3年工作经验之后就有机会晋升到“主管数据
科学家”。“主管数据科学家”平均应该有5年左右的从业经验。
对于这个台阶的数据科学家而言,已经可以承担一个比较大型的产品解决方案的绝大部分甚至
全部的模块和任务。并且在团队内部,这个台阶的数据科学家已经可以指导绝大多数的初级数
据科学家。同时,这个级别的数据科学家对公司的整个宏观产品线有了更多的认识,对业务需
求的“翻译”能力有很大幅度的提升。在纯技术层面,“中级数据科学家”对于机器学习和人
工智能算法模型的把握已经跳出了单独一个算法或者模型的层面,可以比较好地去把握一个方
向,特别是有可能的新的研究方向。
最后一个台阶,我称之为“高级数据科学家”。
这个台阶对应很多公司的“资深主管数据科学家”(SeniorStaffDataScientist)、“主任
数据科学家”(PrincipalDataScientist)以及其他更高的职位。一般来说,成为“中级数据
科学家”后,再有1-3年的工作经验可以晋升到这个台阶。“高级数据科学家”平均应该有
5-7年的从业经验。
对于这个台阶的数据科学家而言,基本上已经算是行业的专家,对某一个类型或者某几个类型
的产品解决方案有深刻洞察。另外一个能力就是这个台阶的数据科学家相对比较容易举一反
三,能够对新的产品或者新场景下的解决方案有相对快速和成熟的理解。在团队内部,这个台
阶的数据科学家处于整个团队的核心的位置,对“中级数据科学家”和“初级数据科学家”都
能够起到很好的指导作用。在纯技术层面,可以针对机器学习和人工智能过去20年的大部分
算法融会贯通,能够带领团队对一系列新的研究方向有比较好的把握。
数据科学家的“升级发展”
数据科学家的另外一种职场规划,其实也和众多工程师的规划类似,那就是转到“管理线”或
者叫“技术管理”的岗位,特别是管理和数据科学、人工智能直接相关的团队。
数据科学家对于管理职位的优势是,他们有着在这样团队中工作和运行的第一手经验和资料。
这些也为数据科学家转到管理职位提供了一些先天的背景优势。
因为人工智能团队或者数据科学团队具有高度专业化和技术化的特点,没有相关技术背景的管
理人员,会非常难以胜任这样的角色。主要表现在以下几个方面。
第一,这些团队往往意味着需要招聘、管理和拓展一个由硕士和博士背景为主体的团队,完全
理解和体会这个人群的需求以及这种团队对于工程、技术等方面的独特需求,对于一般背景的
技术管理人才来说可能会比较困难。
第二,这个技术管理职位往往需要和技术社区,特别是人工智能社区有一个积极的交互。完全
没有相关技术背景,在这样的社区立足并且作为一个领导者得以发展,相对比较困难。
第三,当然还是在技术方案上,因为
您可能关注的文档
- 066-高级推荐模型之三:优化复杂目标函数【萌萌家】.pdf
- 067-推荐的Exploit和Explore算法之一:EE算法综述【萌萌家】.pdf
- 068-推荐的Exploit和Explore算法之二:UCB算法【萌萌家】.pdf
- 070-推荐系统评测之一:传统线下评测【萌萌家】.pdf
- 071-推荐系统评测之二:线上评测【萌萌家】.pdf
- 073-现代推荐架构剖析之一:基于线下离线计算的推荐架构【萌萌家】.pdf
- 074-现代推荐架构剖析之二:基于多层搜索架构的推荐系统【萌萌家】.pdf
- 075-现代推荐架构剖析之三:复杂现代推荐架构漫谈【萌萌家】.pdf
- 078-基于深度学习的推荐模型之三:利用深度学习来扩展推荐系统【萌萌家】.pdf
- 081-广告回馈预估综述【萌萌家】.pdf
文档评论(0)