作者 | Luke Posey
譯者 | 鹿未來，責編 | 屠敏
頭圖 | CSDN 下載自東方 IC
出品 | CSDN（ID：CSDNnews）
以下為譯文：
我預(yù)測很快！
這只是我的個人片面的論點，所以大家可以盡情的說出自己的想法，這樣這個領(lǐng)域就可以朝著正確的方向發(fā)展了。
機器學(xué)習(xí)技術(shù)未來將會封裝到軟件工程師日常使用的工具包里面。
其實，我們在每個領(lǐng)域一開始都會扮演著專業(yè)的角色，但隨著時間的推移，就變得普通起來，換一句話說，就是說的多了大家也就見怪不怪了。
現(xiàn)在在企業(yè)里的AI和數(shù)據(jù)科學(xué)家被統(tǒng)稱為機器學(xué)習(xí)工程師，早些年，機器學(xué)習(xí)是個必要的角色。因為它確實能帶來一筆非常可觀的收入！但機器學(xué)習(xí)工程師也是因人而異的。
一部分看重本質(zhì)的人認為機器學(xué)習(xí)工程師經(jīng)常會用到數(shù)據(jù)工程，還可以將模型帶出實驗室并可量化、擴大機器學(xué)習(xí)系統(tǒng)規(guī)模，理論工程化。ML工程師非常強大，幾乎了解所有的模型。
但這感覺又有點像軟件工程師。
調(diào)研了一些頭部的技術(shù)公司，對于機器學(xué)習(xí)工程師的理解每家有不同的看法。沒啥可驚訝的，這是一個比較新的崗位，而且基本上是經(jīng)理級別的，很多時候他們沒有個幾十年是不能了解這塊的。
這是一些頭部技術(shù)企業(yè)的崗位招聘要求，注意看他們之間的不同：
第一個很勁爆，確定不是要招研究員？
數(shù)學(xué)，統(tǒng)計，運籌學(xué)博士學(xué)位。了解R語言、SQL和當前的機器學(xué)習(xí)技術(shù)。
這是個大廠公司，而且是巨頭，所以也不用太驚訝。
計算機科學(xué)學(xué)士或碩士學(xué)位，1-5年的軟件開發(fā)工作或?qū)W術(shù)經(jīng)驗， 有計算機視覺，自然語言處理等知識者優(yōu)先。
最后這個是屬于照抄型的。
計算機科學(xué)學(xué)士/碩士學(xué)位，3年及以上有搭建機器學(xué)習(xí)框架經(jīng)驗，有大數(shù)據(jù)經(jīng)驗者優(yōu)先。
很多公司開始用新的辦法，就是把機器學(xué)習(xí)為核心的需求列出來，并且首選有軟件工程經(jīng)驗的，不管這個框系統(tǒng)是基于ML還是其他的，雇主都應(yīng)該選擇有豐富經(jīng)驗的工程師來做。
只要機器學(xué)習(xí)了解的人少，而且門檻低，那機器學(xué)習(xí)工程師就很有存在的必要。
我堅信，機器學(xué)習(xí)工程師的角色將完全由普通軟件工程師代替。 它將轉(zhuǎn)變?yōu)闃藴使こ探巧?，工程師將從上游人員那里獲得接口和庫，將其轉(zhuǎn)換為生產(chǎn)代碼，并交付和擴展應(yīng)用程序。
現(xiàn)在很多ML工程師都處在解決機器學(xué)習(xí)安全這塊的問題，就很詭異，在這種情況下，他們既是研究院又是工程師，我遇到過一部分ML工程師幾乎遍及整個堆棧，另外一波可能就是涉及范圍比較窄，但會花很多時間研究新的論文，并他們落地實現(xiàn)。
現(xiàn)在我們就是處在一個挺奇特的十字路口上，而且這個地方就像拼圖一樣安排好了大家的位置。
由于工作方式的影響，無論是否對我們的專業(yè)有用，但我們還是更傾向于去參加會議并且加入討論?？梢哉f就是我們接受任何形式的會議邀請，哈哈，在我看來，ML應(yīng)該是處在架構(gòu)之上的輸出階段，把代碼落地。
不久前，大部分企業(yè)不需要研究工作就能完成相應(yīng)的項目，只有利基（針對性、專業(yè)性很強的產(chǎn)品）和用到比較深的技術(shù)需求才會用到。未來的世界就要靠工程師使用API接口了，可以理解為ML將變成常用調(diào)用工具。我們可以看到現(xiàn)在越來越多的大學(xué)把機器學(xué)習(xí)納入到大學(xué)中，那在學(xué)習(xí)的過程中每個畢業(yè)生其實未來都會有自己的一個領(lǐng)域。
打個比方，區(qū)塊鏈現(xiàn)在炙手可熱，那區(qū)塊鏈其實可以理解為分布式系統(tǒng)工程師。自 Nakamoto 發(fā)布比特幣白皮書以來，絕大多數(shù)區(qū)塊鏈項目一直在致力于基礎(chǔ)技術(shù)和基礎(chǔ)架構(gòu)的建設(shè)。因此，你必須要有特別強大的工程技能——分布式系統(tǒng)工程師。 最終我們會看到事物變得抽象了，那么企業(yè)就開始尋找用例，普通的工程師現(xiàn)在就可以使用區(qū)塊鏈構(gòu)建新的用例。AI / ML也是在這樣變化著。
另外一些觀點：
硅谷有個主題是“一個API來統(tǒng)籌所有”，這很可能是虛假的，而機器學(xué)習(xí)將始終需要在基礎(chǔ)架構(gòu)級別進行一定程度的自定義。 我認為，HuggingFace對NLP的意義將在其他所有域中發(fā)生。 我們將能夠通過一個簡單的API征服大多數(shù)用例。
“這只是個頭銜。 “機器學(xué)習(xí)工程師”是指，具有比一般CS畢業(yè)生更高的數(shù)學(xué)和統(tǒng)計背景知識的人。” 完全同意。 這只是一個標題。 但如果不再需要該角色，那標題還存在嗎？ 可如果你是對的，那這就只是標題。
“在我的架構(gòu)中機器學(xué)習(xí)根本不是這個意思。”因為在你的架構(gòu)中，所以我要學(xué)習(xí)這些，而且還要繼續(xù)了解這些事情的發(fā)展和走向。同時也想聽聽其他的想法。
“這只是個頭銜，沒人在乎”你是對的，所以無所謂怎么想。
“機器學(xué)習(xí)是一個新興領(lǐng)域，具有新的用例，在不斷地研究中。 在未來十年內(nèi)放慢速度是幼稚的想法。” 很有可能！
文章中有個我喜歡的回復(fù)，來自Varii在Twitter上：
“如你所說，這只是個頭銜，大部分的企業(yè)希望你有多重技能，歸根結(jié)底，這并不是關(guān)乎誰被淘汰，而是關(guān)乎誰具有足夠的才能不斷適應(yīng)變化的行業(yè)。”
我在向社區(qū)征詢大量意見呦，當然我的觀點也永遠不會一成不變。
對此，你怎么看呢？
