形势说变就变！机器学习工程师恐在十年内消失？

全文共1992字，预计学习时长7分钟

本文插图
图源：becominghuman
每个领域都有自身的发展规律，从萌芽到发展，再到归于常态化。随着时间的推移，早期的专门工具会变为常用工具。机器学习似乎也是同理。
机器学习工程师这一角色，是与人工智能和数据科学之类年度热词一同流行起来的。在早期，这是一个非常必要的角色，而且还是个高薪职业！
但人们对机器学习工程师的含义有着很多不同的理解。有人称称，机器学习工程师的工作是把实验室中的模型投入生产。他们扩展机器学习系统，将参考实现转化为可生产的软件，并经常跨界做数据工程的工作。他们通常是能力很强的程序员，掌握着一些所使用的模型的基础知识。
但这听起来更像是一名普通的软件工程师。
笔者向一些顶尖的科技公司询问，机器学习工程师意味着什么，答案并不统一。这个工作历史不长，而且发布这些职位的人通常是管理层，几十年来，他们没有时间（或意愿）去了解这一岗位。所以这个结果不足为奇。
来看看下面这些顶尖科技公司的招聘信息中的要求，请注意它们之间的差别有多大：
第一个要求很粗略。确定这不是在招聘研究人员吗？数学、统计学、运筹学博士。了解R语言、结构化查询语言（SQL）和现代机器学习技术。
下一个要求更加品牌化，不过这对于顶尖公司来说是难免的：计算机科学学士或硕士，拥有1-5年软件开发或学术经验。计算机视觉、自然语言处理（NLP）等领域有经验者优先。
最后这个则要求应聘者深入了解典型的机器学习工程师职位：计算机科学学士/硕士。拥有三年及以上建立生产机器学习系统和高效代码的经验。有大数据经验者优先。

本文插图
图源：gab41
不过事情也在慢慢步入正轨，一些公司已经开始使用新方法。这个方法是列出软件工程师的职责，以机器学习为核心要求，拥有几年工作经验者优先。无论是基于机器学习还是其他技术，雇主都会优先选择有经验的工程师构建和扩展系统。
只要理解机器学习的人不多且进入机器学习的门槛很高，那么机器学习工程师这一职位就是必要的。
但笔者坚信，机器学习工程师的角色将完全由普通的软件工程师接管。它将转换为一个标准的工程角色，在这一过程中，工程师将会从上游的某个人那里获得一个规范或参考实现，将其转换为生产代码，并发布和扩展应用程序。
目前，许多机器学习的角色都存在于这个奇怪的领域内。在许多情况下，机器学习工程师既是研究人员，又是工程师。
笔者见过相当一部分的机器学习工程师，他们的工作是处理整个栈。笔者也遇到一些技能库较为狭窄的人，他们花费了更多的时间阅读新的研究论文，并将其转化为可用的代码。
我们如今正处于一个奇怪的十字路口，选择着解决问题方案的未来。

本文插图
图源：unsplash
工作方式使我们倾向于投入讨论和会议之中，却不管这是否是我们专业知识的核心。笔者认为机器学习工程师应该处于构建参考实现的尾端，拥有将一切转换为生产代码的能力。
不久之后，大多数企业将几乎不需要研究就能完成他们的项目。只有利基用例和深入的技术工作需要特殊的技能集。工程师们将会使用API ，机器学习将会成为每个新工程师工具包中的常用工具。
我们已经见证机器学习逐渐走进大学校园，几乎每一个大学毕业生都会在毕业前获得机器学习的经验。