可以确定的是，数据科学家和人工智能专业人士的职位拥有大量空缺，并在未来一年将继续快速增长。为了帮助那些应聘这些职位的行业人士，将介绍以下内容：

• 数据科学学生/专业人士最想学习哪些技能?这与市场需求如何匹配?
• 正在开发其数据科学和人工智能技能的学生/专业人士有哪些潜在的职业道路?
• 应聘者如何更好地为数据科学家职位的面试做好准备?
• 为什么让商务和计算机科学专业的学生在机器学习算法上进行协作很重要?
• 对于希望应聘数据科学或人工智能职业的学生或专业人士，提供的总体建议是什么?

为了深入了解有关人工智能和数据科学专业人士的职业生涯规划，机器学习平台厂商DataRobot公司可信人工智能副总裁Ted Kwartler对此进行了阐述和分析。Kwartler也是哈佛大学的兼职教授，教授《商业数据挖掘》课程。

Kwartler说：“数据科学家可以说是哈佛大学十年来最热门的学科之一，工作岗位拥有大量短缺，我认识到这一点，我的学生也一样。而且很多企业试图填补这一空缺，对员工开展培训，并且很多员工对此很感兴趣，因为可以获得更高的薪酬。

我的一位在一家大型科技公司工作的朋友，在企业收购中，他获得的收益是企业利润的1%，其收入绝对令人印象深刻。那些希望走上这条职业道路的人士可能会问，‘我如何进入这个行业，然后构建自己的职业生涯?’首先不要过多关注薪酬，而将其领域视为一块乐土。”

如今，大学生和专业人士希望学习有关数据科学和人工智能的哪些技能?这些技能如何与市场需求相匹配?

Kwartler说:“很多学生对构建人工智能模型十分感兴趣，例如他们喜欢构建用于图像识别的深度神经网络。他们在学习数学知识、编写代码、构建模型方面十分积极，这是一个令人兴奋的过程，也是真正投入身心的过程……事实上，构建模型需要花费大量时间。

我所说的构建模型并不一定采用大数据，而是‘足够大’的数据。但目前理论与实践有些存在脱节。因此，这些学生可能要花费六个月的时间来构建完美的模型，并将其优化到小数点后第六位。

但是，如果只是尝试构建一种客户倾向模型，只是为呼叫中心提供一些新服务，而业务本身并不需要这些功能，那么在实际需要的功能和令人兴奋的技术之间将会出现脱节。

当我在Liberty Mutual公司工作的时候，是一个机器学习研究团队成员，我们的团队花费三到六个月的时间来获取数据，整理数据，并花三到六个月的时间来优化模型，然后再花三个月的时间与IT部门合作完成这个研究工作。这样的工作很繁重，许多数据科学家甚至不喜欢从事数据部分的工作，因为他们并不了解业务和用例。”

当人们开始在数据科学和人工智能领域中规划自己的职业生涯时，哪些职业道路对他们来说真正有意义?什么才是真正切实可行的职业道路?

Kwartler说:“数据科学家的职业生涯很有趣。我本人拥有MBA学位，并且完全是自学。我们DataRobot公司的一些具有能力和积极性的业务分析师是公民数据科学家，我们希望他们成为专业的数据科学家。这可以通过培训来完成，也可以通过软件来完成。关于其职业道路的有趣之处在于，需要大量时间来学习业务，了解建立模型的背后故事，因为这些是从初级阶段开始的。

另一种不同的职业道路就像是数学家或者拥有天体物理学博士学位的专家。他们绝对可以构建出色的模型，对他们来说，面临的挑战在于如何在业务方面更多扩展。

第三种就是希望学习建模的软件工程师。现在对于机器学习工程师的需求不断增长，他们在编程方面有丰富的经验，并且已经对计算机科学有足够的了解，并将其投入生产。

因此，我认为这是三种非常重要的职业道路，因此专业人士有多种实现目标的途径。此外，我认为还需要有经验丰富的管理人员，这些人很了解如何与这些技术人员一起工作。

技术人员可以与这样的管理人员探讨谈论数据的流畅性，探讨自动驾驶汽车正在提交的地理空间数据，它们通过API连接，并且正在使用深度神经网络图像识别。当技术人员无法制定策略时，管理人员需要对某些技术有一些基本的了解，并做出决策。因此，我认为管理人员可以扩大规模并确保其业务快速发展。”

在面试技巧方面，为了帮助应聘者获得人工智能的工作岗位，您会提出什么建议?应聘者如何更好做好准备，如何更好地展示自己?

Kwartler说:“事实上，我希望每个应聘者都知道，这与毅力有关。如果应聘者没有获得梦寐以求的工作机会，不要灰心，一定要坚持不懈提高自己的技能和水平。实际上，我曾经应聘过83家公司。

我首先要说的是，应聘者考虑一下自己的水平，具有哪些知识和技能，并思考企业到底需要什么样的人才。下一个阶段通常是应聘者知道如何与从事招聘的人员进行更好地沟通。招聘人员需要的是具有技术深度的应聘者。

这是一种平衡的举动，因为他们想知道应聘者是否可以胜任。应聘者可以展示一些自己的才能。但是总的来说，因为IT行业人才通常会很坦率，所以应聘者也应该坦率地展现自己。

我认为数据科学是一项团队活动。也就是需要不断地进行交流，并要求完成最佳实践。这个领域是如此的多样化，没有人会知道处理各种问题的各种方法。因此，经常需要与他人互动，在技术方面获取最佳实践和经验，更不用说如何将构建的模型投入生产。所以仍然需要人际沟通技巧，并且要有一些良好的主题，例如可以建立尽可能最好的模型。”

对于希望应聘数据科学或人工智能职业的学生或专业人士，您提供的总体建议是什么?

Kwartler说:“人们可能会看到这两个行业领域提供了很多职位，如果了解这些职位，可以让应聘者走上数据科学的道路。因此不要限制自己的选择。就拥有的大学学位而言，只是一个有助于打开行业大门的敲门砖。

但人们会发现，拥有DataCamp或Bootcamp认证的人员取得了很多成功，因为那里存在真正的市场需求。所以对这些职业感兴趣的大学生来说，需要找到一个可以投入更多热情的研究项目。因为这会有更多的动力来学习，例如如何通过网络收集篮球比较的统计数据，学习如何下载股票数据。遇到了障碍，具有能力和动力克服这一障碍。并将大量时间花费在技术论坛上，花费在Stack Overflow上。而学习成果就是通过不断的实践得来的。因此，我并不认为大学学位真的那么重要。

而大学教育可以帮助大学生打开行业大门，帮助他们获得实习机会。而拥有名牌大学学位的毕业生并不担心没有工作机会，但拥有行业认证证书可以提供更大的帮助。”

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。