数据科学家请转行！

虽然软件工程师和数据科学家之间可能存在一个理想的角色范围，但在现实工作情境中也许会超出此框架。对于规模扩展并仍在构建数据基础架构的初创公司而言，尤其如此。

被聘用的候选人最终会致力于公司目前需要解决的问题，而不是专注于对应的岗位“角色”。该领域同事透露，许多数据科学家发现自己像软件工程师一样在编写后端代码，甚至有些 “数据科学家”在用excel处理财务数据。

这与你在Kaggle竞赛中不断成长并形成的期望可差得远。

3. 孤立的数据科学

大多数公司对数据科学家的需求程度不如软件工程师。一些公司目前正聘请其首位数据科学家。这就意味着，即使和开发人员共处一桌，许多数据科学家最终只能独自工作。

 

4.  探索性的数据科学

如果你铁了心要做数据科学家，那么要准备好与管理层进行尴尬的谈话，解释一下您花了两周完成的东西为何不能使用。

研究已解决和未解决的问题是软件开发和人工智能的根本区别之一。除了故障和约束外，在开始任何工作之前，您应了解大多数软件工程项目的可行性。在机器学习中，只有构建了模型之后才能评估其有效性。

5. 公司尚未做好使用AI的准备

即使每个公司都进入了AI时代，大多数公司没有支持AI的数据基础架构，甚至不需要该架构。

一家发展迅猛初创企业的数据科学主管最近在闲聊时分享了一些建议。首先找出问题，然后构建基础设施，随后引入数据科学家。这并不是一个快速的过程。而另一家知名公司的首批数据科学员工向我抱怨。她被迫在笔记本电脑上训练人工智能模型，而非云端。

（编辑：平顶山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!