分析1400家公司后发现：数据工程师比数据科学家更受欢迎( 四 ) 作者|MihailEric编译|DonM

5Reddit讨论
@ManBearHybrid：
没错没错。我们公司刚刚招聘了一名研究生，在公司收到的简历情况上来看，数据科学家岗位的申请人数起码是数据工程师的15倍！
公司的面试官们，你们在招聘研究生毕业的数据工程师时主要看中他们的什么技能呀？
看过这篇文章，我觉得对于一个毕业生来说，能做到文中这些技能的积累着实有点困难。因为我们的教育都是跟着导师或者教学规划走的，没有那么多直接面向职位招聘的教育途径和实践机会。换句话说，我们都是导师项目的工程师，我们读研读博的目的并不是找工作。面试的时候，对于投简历的毕业生小白们，我希望它们能够有一些编码、计算机的工程背景。并且对数据工程感兴趣。如果玩儿过AWS或者有类似技能的小盆友会有加分的，比如在线课堂等。哦对了，还有SQl技能也是有加分的哈。除了这些之外，其他需要关注的技能就要看投简历的童鞋所选择的岗位需求了。
对于那些更需要有经验的老鸟工程师岗位来说，我希望看到应聘者能有一些大数据领域的经验，比如有一些典型大数据平台或者框架的使用经验，比如Hadoop/Spark/Hive之类的，然后数据库的经验等也是很重要的。

文章图片
@sam_matt：
唉，不知道作者你们是在哪个国家，但是在我们这儿（澳大利亚），这些公司面试官都需要有经验的人，他们很少会让刚毕业的青瓜蛋子担任数据科学家。所以对于像我这样想从数据分析师过渡到数据科学家的人来说，应聘机会都没有。我太难了。越不给机会我越没有经验，死循环无解无解。
在美国湾区，很多公司都会让硕士或者博士担任初级数据科学家。当然了，我还认识一些本科生，他们在5年前直接升职成为数据科学家。但我认为，在现在来说，那些没有研究生学位和背景的本科生也能够一跃成为数据科学家，这表明，各大公司正在调整它们所需的数据分析师的工作，也正在重塑以前被研究生所垄断的数据分析师职位的品牌定位。

文章图片
@good_rice：
我有点质疑文中关于领域归并的统计合理性。因为我工作和研究的方向是计算机视觉，在此方向校友领域（在本科毕业之后，我曾经去做过全职的计算机视觉工程师，然后去卡内基梅隆大学CMU读的硕士学位），但是就我而言，我虽然学的是计算机视觉，但好像从来没有搞过任何跟“数据科学”相关的研究、工程。
数据科学和典型的机器学习岗位有什么区别呢？文中在提及“数据工程师”时，是指开发算子？基础操作函数？还是机器学习系统工程？另外，请教有经验的大佬们，上述这些技能或者工作是如何更广泛地应用在计算机视觉和机器学习领域中的呢？
我曾经面试了一些更基础的数据学习岗位，然后我目前正在学习更多的分布式系统/计算机体系结构方面的知识。从我的经验和理解来看，计算机视觉或者机器学习的基础工作岗位开发里， 99%是和系统工程类似的，这些应聘者的技能包在其他机器学习相关岗位中也能适配，并且直接使用。但是，一个高水平的计算机视觉科学家是非常具体的，因为CV这个领域和传统机器学习还是有些区别和壁垒的。我觉得CV和机器学习这两个领域中间夹着的这个领域很奇怪，在这里我可以研究一些高层的应用，比如异常检测和姿态估计的问题，但是也可以下沉到研究C++相关的代码中。但是对于这两个角色来说，这些技能在初创公司之外是否有价值？大公司们需要这些多栈工程师吗？

文章图片
@bbu3：
我觉得文章说的太真实了，很多东西真的取决于公司属性和你要应聘的职位的需求。每个单一的定义都不能一概而论。
一般来说，数据科学比机器学习的范围更广泛。你会发现数据科学家们有时候做的活儿跟机器学习工程师一样。但是有时我们又会发现，数据科学家也能去做知识表示或者统计学工作，这些工作有些只是为了给那些管理人员演示、提供可视化的展示。数据科学家和数据工程师这两个岗位的定位同样让人困惑。因为我曾经见过有的数据工程师被“提拔”为数据科学家，但是这仅作为资历老的一种形式化奖励，实际上他们还是做着跟以往相同的工作。