为什么说机器学习工程师不是这个时代的明星？

本文插图

大数据文摘出品
来源：medium
编译：Fisher
这篇文章并不是要攻击所有的机器学习工程师或者数据科学家。
我自己是一名机器学习/计算机视觉工程师，这篇文章是基于我在AI行业的观察和体验。
本文的陈述均带有个人观点。申明了这一点，我们可以开始了。
【为什么说机器学习工程师不是这个时代的明星？】

本文插图

宣扬不虚
数据科学家这个岗位被称作21世纪最性感的工作。与此同时，对机器学习工程师的需求量在这几年呈指数级增长。 2019年，就业网站Indeed将计算机视觉工程师、机器学习工程师和数据科学家三者都列入了全美前25佳工作，排名分别为第13、第1和第22 。

本文插图

Indeed网站排出的2019全美最佳工作
这种宣扬并非虚言，而是实至名归，因为有目共睹，机器学习技术几乎嵌入到了所有的产品里——从汽车、智能手机甚至到冰箱，无处不在。
高热度、高需求量、高薪、高关注度，这一切会让任何机器学习从业者都觉得自己就是超级明星。
在实际的公司团队中，机器学习人员受到重视，特别是在他们确实工作出色的时候。话虽如此，机器学习工程师的角色仍然只是整个拼图的一小块。
而拼图是指最终的产品。
在研究和学习阶段，大多数机器学习人员都沉浸在笔记本电脑和Python脚本里。
对其中一些人来说，他们负责的项目范围就只到做好应用程序接口，来作为调用机器学习模型的界面。
但是在笔记本电脑和应用程序接口的之前和之后都还有更大的世界。
在此之前的世界
在机器学习工程师和数据科学家进入项目之前，已经有其他岗位上的人参与了项目的决策以及别的一些议程。
让我来列几个例子：

市场研究员：分析产品对应的目标受众和消费者的相关数据。他们的工作决定了最终的产品采取何种形态或形式。
IT业务分析师：将业务需求表达为可处理的IT规程。他们负责对接项目经理和利益相关方提出的方案，将其转化为工程团队可以处理的任务。
CEO：大老板。
产品设计师：负责在实际开发开始前对产品的用户界面和交互方式勾勒出可视化方案。
软件工程师：根据产品将要发布的平台，使用各种工具和编程语言编写软件。
产品负责人：负责实施和监督产品关键功能的开发，这些功能是主要的利益相关方议定的。

在产品的开发周期里，机器学习人员可能从未接触过承担上述职责的人。
如果我们再看一看Indeed的全美前25佳工作名单，会发现这些岗位也都在榜，产品负责人、产品设计师和产品开发人员都排在前列。
是他们为我们这些机器学习工程师和数据科学家搭建了一展身手的场地或者说舞台。

本文插图

机器学习工程师的成果被其他岗位接力下去
在此之后的世界
实现一个模型并不断训练它，直到在测试集上得到高准确率和优异的性能表现，没有什么能比这种感觉更好了。（要是你的模型足够小，可以在边缘设备上运行，那更是加分项。）
译者注：边缘设备（edge device），是指位于物联网“边缘”、直接采集信息的终端设备，如智能手机、智能家电、工业传感器等，与其相对应的是部署在公司或者云端的数据中心。