[[376371]]

【51CTO.com快譯】隨著越來越多的企業采用人工智能和機器學習技術，企業對于機器學習工程師的需求猛增。當前存在許多這樣的工作機會，并且需要經過培訓或具有豐富工作經驗的人員來填補這些職位空缺。

作為機器學習工程師，必須掌握計算機科學、數學、統計學、數據科學、深度學習等專業知識，還必須精通多種編程語言，并具有處理復雜數據集和算法的耐心。

對于想成為機器學習工程師的人員來說，網上有許多可用知識和資源，但是信息繁雜，難以有效學習和利用。由于各行業組織為機器學習工程師提供了大量工作機會，因此決定走上哪一條職業道路也可能是一個挑戰。

以下指南將回答有關成為機器學習工程師的一些關鍵的問題，其中包括：

• 機器學習工程師做什么?
• 機器學習工程師可以獲得哪些職業機會?
• 需要獲取哪些學位才能成為機器學習工程師?
• 成為機器學習工程師需要什么技能?
• 如何成為機器學習工程師?

機器學習工程師的職責

機器學習工程師的職責類似于數據科學家的職責。他們需要處理大量信息，執行數據管理，并對動態數據集進行復雜的建模。他們還要設計自運行軟件實現預測模型的自動化，這些模型使用以前的結果來提高未來執行操作的準確性。

顧名思義，機器學習工程師從事機器學習工作，使用算法來分析數據并提高預測準確性，而無需人工干預。機器學習還與人工智能和深度學習密切有關，深度學習涉及使用深度數據集“思考”和解決復雜問題的人工神經網絡。

機器學習有許​​多應用程序，其中包括：

• 圖像和語音識別(例如，自動標記圖像、文本到語音轉換)。
• 提供客戶見解(例如，關注客戶購買的產品并推薦另一款產品)。
• 風險管理和欺詐預防(例如，財務預測和違約風險)。

關于機器學習工程師的職位描述

• 2020年，機器學習工程師每年的平均薪酬約為147,134美元。
• 從2015年到2018年，機器學習工程師的職位發布數量增長了344%。
• 機器學習工程師通常需要擁有計算機科學、軟件工程或相關領域的碩士或博士學位，才能獲得更好的職業前景。
• 在涉及人工智能或機器學習的領域中，大多數招聘廣告都是針對機器學習工程師的。

機器學習工程師的職業發展機會

機器學習工程師有很多職業發展機會，因為不同行業組織的需求都在增長，其中包括醫療、教育、零售、制造、供應鏈和物流等。人工智能和深度學習在多個行業的應用更加普遍，也導致對機器學習工程師的需求增加。在使用編程語言和獲得該職位其他方面經驗和知識時，你將會發現機器學習工程師新的職業機會。

機器學習工程師的工作類型：

• 機器學習工程師：使用機器學習算法和工具來設計和開發系統與應用程序。
• 數據科學家：使用大數據、人工智能、機器學習和分析工具來收集、處理、分析和解釋大量數據。
• 自然語言處理(NLP)科學家：設計和開發機器和應用程序，以學習人類的語言模式并翻譯成其他語言。
• 軟件開發商/工程師：設計、開發和安裝機器語言軟件解決方案，創建計算機功能，準備用于可視化的產品文檔和測試代碼，創建技術規格并維護系統。
• 以人為本的機器學習設計師：創建智能系統，以通過信息處理和模式識別來學習個人的偏好和行為模式。

成為機器學習工程師需要學習和培訓

大多數企業在招聘機器學習工程師時，通常要求應聘者擁有計算機科學、數學、統計學或相關領域碩士學位。而擁有碩士學位需要具備編程知識(如Python、R、Java)，了解機器學習框架(如TensorFlow、Keras)和高等數學技能(如線性代數、貝葉斯統計)。

擁有亞馬遜、微軟公司等業界認可的專業認證也將幫助應聘者在這一領域脫穎而出。

成為機器學習工程師所需的技能

要想成為一個機器學習工程師，需要學習一種或多種編程語言，例如Python、Java、R、C++、C、JavaScript、Scala和Julia。還需要通過培訓和工作經驗相結合來開發技能。

• 計算機科學基礎和編程：構建數據結構(如堆棧、隊列、多維數組)，應用算法(如搜索、排序、優化)，了解可計算性和復雜性(如P問題、NP問題、NP完全問題、近似算法)，并開發計算機架構(如內存、緩存、帶寬)。
• 概率和統計：采用概率學(例如，貝葉斯網絡、馬爾可夫決策過程、隱馬爾可夫模型)，計算統計度量和分布(例如，均勻、正態、二項式)，并應用分析方法(例如方差分析、假設檢驗)來觀測數據建立和驗證模型。
• 數據建模和評估：估計給定數據集的底層結構，找到有用的模式(如相關性和聚類)，預測未知實例的屬性(如分類、回歸)，選擇適當的精度/誤差度量(如對數-分類損失、回歸誤差平方和)，評估策略(例如，訓練測試拆分、順序交叉與隨機交叉驗證)。
• 機器學習算法和庫：找到合適的模型來應用庫、數據包和API(例如，Spark MLlib、TensorFlow)，創建適合數據的學習過程(例如，線性回歸、梯度下降、遺傳算法)，并了解不同方法的優缺點(例如，偏差和方差、缺失數據、數據泄漏)。
• 軟件工程和系統設計：了解元素如何協同工作、與系統通信(例如，調用數據庫、數據庫查詢)以及構建接口。

如何成為機器學習工程師

應聘者在申請機器學習工程師的職位之前，最好先制定明確策略，確定希望進入的行業以及希望成為什么類型的機器學習工程師。

擁有相關本科學位的應聘者可以申請機器學習工程師的職位，也可以擔任軟件工程師、程序員或開發人員、數據科學家或計算機工程師。為了更好地從事這些職業，應聘者最好擁有計算機科學或軟件工程的碩士或博士學位。

應聘者還需確保掌握最新的算法、編程語言和機器學習庫，并參加繼續教育課程，更新專業證書。

此外，還可以通過LinkedIn上與其他的機器學習工程師聯系，建立人際網絡以了解更多有關職位的信息，這將使應聘者了解職位空缺狀況和行業期望，并征求關于機器學習工程師職業生涯的建議。

獲得機器學習工程師職位的提示

• 在申請機器學習職位之前，需要在簡歷中描述具有的專業知識、技能、認證證書，并列出以往的工作經歷。
• 撰寫求職信，闡述希望獲得的理想職位，描述應聘的理由以及可以勝任的工作。
• 參考相關的文章和資料，但首先要征得作者的許可，并確保他們的聯系信息正確。
• 搜索發布機器學習工程師職位的信息。

開始機器學習工程師的旅程

機器學習技術提供了許多工作機會，而機器學習工程師待遇優厚，并擁有良好的職業發展前景。因此現在是從事機器學習工程師職業的好時機。

應聘者為了勝任機器學習工程師的職位，需要具備相應的技能和經驗，學習更多的知識和技能來分析數據，并制定計劃以開始其機器學習工程師的生涯。

原文標題：How to become a machine learning engineer，作者：David Gargaro

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】