人工智慧和資料科學團隊中的十種角色 - kdnuggets

＃0資料工程師
當然，我們開始從零開始計數，因為您需要具備在討論資料分析之前有意義的資料獲取能力。如果要處理小型資料集，則資料工程實質上是在電子表格中輸入一些數字。當您以更大的規模執行時，資料工程本身就變成了複雜的學科。您團隊中的某人將需要負責處理棘手的工程方面，即提供其餘員工可以使用的資料。
 

＃1決策者
在聘用受過博士學位的資料科學家之前，請確保您有一位瞭解資料驅動決策的藝術和科學的決策者。
在團隊可以從資料中獲取價值之前，必須具備決策能力。
該人員負責確定值得對資料做出的決策，對它們進行構架（從設計度量到統計假設的一切決策），並根據對業務的潛在影響確定所需的分析嚴格度。尋找一位思想深刻的思想家，他不停地說：“哦，哎呀，在我思考這個決定時，我竟然沒有想到。” 
 

＃2分析師
然後下一個僱用者是…每個已經與您合作的人。每個人都有資格檢視資料並獲得啟發，唯一可能會丟失的是對非常適合該工作的軟體的一點熟悉。如果您曾經看過數碼照片，那麼就可以完成資料視覺化和分析。
學習使用R和Python之類的工具只是對MS Paint的升級，以實現資料視覺化。它們只是用於檢視更多資料集的功能更廣泛的工具，而不僅僅是 紅綠藍畫素矩陣
如果您曾經看過數碼照片，那麼就可以完成資料視覺化和分析。這是同一件事。
嘿，如果您只需要檢視電子表格中的前五行資料，那總比沒有好。如果整個員工都有權這樣做，那麼您將比沒有人看任何資料時更好地把握業務發展。
 

＃3專家分析師
可以更快地檢視更多資料。這裡的遊戲是速度，探索，發現……很有趣！這與嚴謹和謹慎的結論無關。相反，這是幫助您的團隊儘可能多地關注您的資料的人，以便您的決策者可以更加謹慎地瞭解值得追求的東西。
這裡的工作是速度，要儘快遇到潛在的見解。
這可能是違反直覺的，但是不要讓您的最可靠的工程師來編寫此角色，這些工程師只是負責編寫華麗而強大的程式碼。這裡工作強調的是速度，要儘可能快地遇到潛在的見解，但是不幸的是，那些痴迷於程式碼質量的人可能會發現很難足夠快地縮放資料以在此角色中發揮作用。

那些熱衷於程式碼質量的人可能會發現很難在這個角色中發揮作用。
 

＃4統計師
靈感很便宜，但嚴謹卻很昂貴。統計人員可以幫助決策者安全地得出資料之外的結論。
例如，如果您的機器學習系統在一個資料集中工作，那麼您可以放心地得出結論，它在 該 資料集中工作。它在生產中執行時會工作嗎？你應該啟動它嗎？您需要一些額外的技能來處理這些問題：統計技能。 統計人員可以 幫助決策者安全地得出結論，而不是分析資料。
 

＃5應用機器學習工程師
應用AI / 機器學習 工程師的最佳屬性不是對演算法如何工作的理解。 他們的工作是使用它們，而不是建造它們。 （這就是研究人員所做的。）您正在尋找能夠使現有演算法能夠接受並攪動資料集的整理程式碼的專業技能。
除了快速編碼手指，還要尋找可以應對失敗的個性。即使您認為自己在做什麼，您也幾乎永遠不知道自己在做什麼。您可以透過一系列演算法儘快執行資料，並檢視資料是否正常執行……有合理的預期，在成功之前，您將失敗很多。工作的很大一部分是盲目摸索，並且需要某種個性才能享受。

完美主義者傾向於作為一名ML工程師奮鬥。
由於您的業務問題不在教科書中，因此您無法事先知道將要解決的問題，因此您不能指望在第一時間就能獲得理想的結果。沒關係，請儘快嘗試許多方法並迭代解決方案。
談到“透過演算法執行資料”……什麼資料？當然，分析人員認為這些輸入可能很有趣。這就是為什麼分析師作為早期僱員有意義。
儘管有很多修補程式，但對於機器學習工程師來說，對過程中至關重要的部分深切尊重是很重要的：評估。該解決方案實際上適用於新資料嗎？幸運的是，您在以前的工作中做出了明智的選擇，因此您所要做的就是將嚴謹交給統計學家。
最強大的應用ML工程師對應用各種方法需要多長時間有很好的認識。當潛在的ML應聘者可以在各種資料集上嘗試選項的時間對選項進行排名時，這是會讓人印象深刻的應聘者。
 

＃6資料科學家
資料科學家是前三個角色的全面專家。
該職位處於第6位，因為聘用真正的三合一是一項昂貴的選擇。如果您可以在預算範圍內聘用一個人，這是一個好主意，但是如果您的預算很緊，請考慮提高技能並發展現有的單一角色專家。
 

＃7 分析經理/資料科學Leader
分析經理是下金蛋的鵝：他們是資料科學家和決策者之間的混合體。他們在團隊中的存在起到了倍增的作用，確保您的資料科學團隊不會陷入困境，而不是為您的業務增值。
決策者+資料科學家混合體是力量倍增器。不幸的是，他們很少見，很難僱用。
這個人在晚上會被諸如“我們如何設計正確的問題？我們如何做出決定？我們如何最好地分配專家？值得做什麼？技能和資料是否符合要求？我們如何確保良好的輸入資料？”
如果您很幸運地僱用了其中之一，請堅持使用它們，永遠不要讓他們離開。在此處瞭解有關此角色的更多資訊。
 

＃8定性專家​​/社會科學家
有時，您的決策者是組織政治的傑出領導者、經理、激勵人、有影響力的人或領航者……但卻不熟練掌握決策的藝術和科學權衡。如果您的決策者沒有磨練自己的才能，那麼他們可能造成的損害大於好處。
您可以解僱定性專家，而不是解僱不熟練的決策者。
不要解僱不熟練的決策者，而要增強他們。您可以僱用他們以幫手的形式升級。定性專家在這裡補充他們的技能。
此種人通常具有社會科學和資料背景： 行為經濟學家， 神經[url=https://www.behavioraleconomics.com/resources/introduction-behavioral-economics/]經濟學家[/url]和 JDM 心理學家接受最專業的培訓，但自學成才的人也可能會擅長於此。這項工作是幫助決策者闡明想法，檢查所有角度，並將模稜兩可的直覺轉化為經過深思熟慮的語言說明，以便團隊其他成員易於執行。
我們沒有意識到社會科學家是多麼有價值。與資料科學家相比，他們通常更有能力將決策者的直覺和意圖轉化為具體的指標。
定性專家不負責任。相反，他們可以確保決策者充分掌握可供呼叫的機會。他們還是值得信賴的顧問，集思廣益的同伴和決策者的顧問。讓他們加入董事會是確保專案以正確方向啟動的好方法。
 

＃9研究員
許多招聘經理認為他們的第一位團隊成員需要是一位曾擔任過教授的人，但實際上，您不需要這些博士學位，除非您已經知道該行業不會提供所需的演算法。大多數團隊不會事先知道，所以按正確的順序做事更有意義：在為自己組裝那支太空筆之前，首先要檢查鉛筆是否能完成工作。首先開始，如果您發現可用的現成解決方案並沒有給您帶來太多的愛，那麼您應該考慮僱用研究人員。
如果您是第一位研究人員，那麼您可能沒有合適的環境來充分利用它們。
不要馬上將它們引入團隊。最好等到您的團隊發展到足以弄清楚他們需要研究人員的工作為止。等到您用盡所有可用工具後，再僱用某人為您構建昂貴的新工具。
 

＃10 +額外人員
除了我們看過的角色之外，還有一些我最喜歡的人歡迎您參加決策智慧專案：

• 領域專家
• 倫理學家
• 軟體工程師
• 可靠性工程師
• 使用者體驗設計師
• 互動式展示臺/平面設計師
• 資料收集專家
• 資料產品經理
• 專案/專案經理