​从机械工程师到机器学习工程师，我也是个数据科学家了

全文共5594字，预计学习时长16分钟

来源：Pexels

笔者有机械工程（ME）的背景，所获学位也都是机械工程领域的。读完本科，我在机器人学领域继续深造，数字变革也就是此时上演的。当时人们对“大数据”的熟知程度高于数据科学。机器学习令我着迷不已，我的职业生涯也自此转变航向，朝着数据科学发展。我称不上赤手空拳，因为学过机器人学，特别是编程方面，所以开头并不难。尽管如此，在深入数据科学的过程中还是困难重重。

 

无从下手使我非常迷茫，我该提升哪些技能，怎么写简历等等。如果你正阅读本文并且有着机械工程的背景，希望这篇文章对你有所帮助。

 

数据科学真的优于机械工程吗？

 

在考虑投资时间与金钱到网上课程或其他不可避免的行动前，停下来质问自己的动机也许比较好。如果只是因为它是21世纪最具吸引力的工作，那你很有可能在热情退去后产生迷茫和沮丧，而这期间你已经投入了许多精力。

 

在笔者看来，任何两种工作都不具有可比性，因为任何领域都有好有坏。但是，作为一名在两个领域都有所涉及的人，我想指出二者的一些特征，仅代表个人观点。

 

机械工程：

 

l  机械工程技术长时间以来都适用于工业。比如卡尔曼滤波（KalmanFilter）、PID控制器等。这些目前都供人使用，说不定比我的年龄还大。所以完成学业后，至少在理论知识方面，你无需经常学习更新自己的知识储备。（持续学习不是鹤立鸡群的关键）

 

l  工具有限：有用于机器控制、硬件设计等的标准工具基准。不过还是第一点中提到的，无需频繁更新知识体系。

 

l  不一定要求高学历。这是主观判断，因为事实是如果想得到合适的工作而且成为他人眼中的高水平机械工程师，有机械工程领域的长期工作经历比高学历更管用。一般来说硕士学位就足以助你追求机械工程的职业生涯。

 

l  有些无聊，因为大多数问题都是有定义的，也有测试完备的解决方案。工作的主要任务是选择合适的方案和工具。再者，机器是持续运转且可预测的，因而某个方案在较长一段时间都会起作用。

 

数据科学具有几乎完全对立的特征。

 

数据科学：

 

l  技术日新月异，我们需要应对的不只是AI、ML的变化，还有范围更广的软件工程，选择成为机器学习工程师的人要注意了。

 

l  工具多种多样。我几乎找不到一个仅凭单个设计就可执行的机器学习应用。也许你会说“好吧，这难道不是件好事吗？我只需找出至少一种方法然后一直执行就可以了。”不完全是，你不能只想着与他人竞争，还需和谐相处，因为你相中的工具也许无法让你与团队合作。

 

l  高学历是必备的，至少能让你的简历通过盲审。一项研究表明，数据科学家或机器学习工程师中只有不到30%的人没有获得硕士学位或博士学位。但有意思的是，同样的研究也显示出只有不到20%的数据科学家和低于5%的机器学习工程师具有计算机科学的学位。所以放心，你可能不需要再多读一个博士学位。

 

l  充满惊喜，因为问题分布的范围广，而且通常是人类互动层面的。毕竟，不管AI应用的领域在何处，它们终将为人类所用。而人类是不可预测的，所以解决方案就是职业寿命，一些方案可能会坚持到你离开公司，一些也许明天就得重新设计一番。

 

l  薪资待遇通常很诱人。

 

我并没有将上述的特征分为优点与缺点，理由是一切因人而异。比如你想要稳定的生活和按部就班的工作环境，那机械工程的无聊于你而言就不算缺点。

 

需要多久？

 

来源：Pexels

角色的转变需要好一段时间和大量的努力。任何一种方式的投资&#