数据科学家在数据工程和商业分析中具有发展空间。数据工程涉及数据采集、清理与分析，而商业分析关注市场、用户及量化评价。建模方面，数据科学家与机器学习研究员相比处于劣势。此外，数据科学家的技能包括Python、SQL、商业工具如Tableau，以及协作工具如Git和Jupyter Notebook。机器学习研究员还需关注最新研究动态。职业路径包括数据分析师、业务分析师、数据工程师和算法工程师，重要的是不断挖掘新领域并做出独特贡献。
转
来自知乎： https://www.zhihu.com/question/27946774 FAB研究所的回答
一个AI的组，需要什么样的人：
以我周围来看，数据科学家的机会在数据工程（data engineering）方面，和商业分析（business analysis）方面是有的。建模（modelibg）方面，和机器学习研究员（ML researcher）比只有被拍死的份儿。
数据工程，我看到现在很多是研究员，或者研究员主管，以及PM一起决定，繁琐的数据采集和清理工作会外包，但是单个的研究者未必对总体数据有细致的分析；这里有机会。
商业分析涉及到商业，市场，用户，也包括和如何定量评价（metrics）的问题，这儿是有机会的。想要提出大家都认可的评价指标是蛮难的，正因如此也才有做的意义。涉及具体应用的领域，细分的评价指标可做的事情就更多了，可以说是随着产品层出不穷，如何把众多的指标抽象成工具也是可做的。
这个图给出了数据科学家应有的技能。
Modeling: python, numpy,
最低0.47元/天 解锁文章
扫一扫
780
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
