10年內將不再有機器學習工程師？

在任何一個新興領域最開始的階段，都會出現特殊崗位，隨著該領域的發展，那些特殊職位會變得越來越普遍。機器學習領域的發展可能也正遵循這一規律。

讓我們來具體分析一下

機器學習工程師的興起是企業中大肆宣傳人工智慧和資料科學之類的流行語的結果。在機器學習的發展初期，機器學習工程師是非常必要的角色，對於我們中的許多人來說，這份工作為其帶來了不錯的收入增長！但如果你問機器學習工程師具體是做什麼的，你會從不同人那裡得到不同的答案。

純粹主義者會說，機器學習工程師的工作就是將模型從實驗室中“解救”出來並將它們運用到生產中，發揮實用價值。機器學習工程師擴充套件了機器學習系統的規模，將參考實現轉化成可應用的軟體，並且經常在其中融合資料工程的內容。機器學習工程師通常是強大的程式設計師，對所使用的模型有一定了解。

但這些描述聽上去似乎很像普通軟體工程師所做的工作。

如果你詢問頂級科技公司，機器學習工程師對他們來說意味著什麼，你可能會從10位調查參與者那裡得到10個不同的答案。這樣的結果不足為奇，機器學習工程師是一個相對年輕的職位，而釋出這些職位的人通常是經理，他們可能幾十年來都沒有時間（或意願）去真正瞭解科技領域的技術。

以下我整理了幾家頭部科技公司釋出的機器學習工程師的招聘要求，大家可以看看這些招聘條件之間的差別：

【數學/統計/運籌學博士學位。掌握R、SQL和機器學習技能。】

第一條JD就很有意思，確定這招的是機器學習工程師而不是研究員？

【電腦科學專業學士/碩士學位。擁有一到五年的軟體開發相關工作/學術經驗，接觸過計算機視覺，自然語言處理等技術是加分項。】

這一條對於“學習背景”的堅持也是十分典型，但這條JD畢竟是來自頭部科技公司， 所以也不算令人驚訝。

【電腦科學專業學士/碩士學位。三年或以上程式設計和搭建機器學期系統的經驗。熟悉大資料是加分項。】

最後這條比較符合我們所認為的機器學習工程師的招聘要求。

一些公司已經開始在釋出招聘要求時採用新方法，我認為大多數公司之後都會效仿這種方法。該方法的核心是要求申請者是熟悉機器學習技術的軟體工程師，最好有過幾年工作經驗。僱主將優先選擇對於構建和擴充套件系統具有豐富經驗的工程師，無論系統的構建是基於機器學習還是其他技術。

只要人們對機器學習的瞭解很少並且准入門檻很高，機器學習工程師的職位就必不可少。

經過認真的考慮之後，我相信機器學習工程師的角色將被常見的軟體工程師完全替代，機器學習工程師的職能將變得像標準工程師那樣，從上游人員那裡獲得要求或參考實現，將其轉換為生產程式碼，再交付和擴充套件成應用程式。

目前，我們中的許多機器學習工程師都面臨一個奇怪的處境，他們正在用機器學習技術解決以前從未遇到的問題。因此，在很多情況下，他們一邊做著研究工作，一邊做著工程師的工作。我認識一些同行他們兩者都擅長。還有一部分人，他們技能不那麼全面，但會花更多時間閱讀新的研究論文再將所學輸出為可用的程式碼

面對著處境尷尬的十字路口，我們身為機器學習工程師也正在探索適合我們的定位。

受到工作方式的影響，機器學習工程師經常會參與討論和會議，無論議題是否屬於我們專業知識的核心，我們都會接受會議邀請……在我看來機器學習工程師一般處在構建參考實現工作的最尾端，然後全權負責將參考實現轉化為生產程式碼的工作。

不久之後，大多數企業將幾乎不再需要利用研究工作來完善他們的專案，只有極少數情況下和需要深入技術的工作才會用到特殊的技能，工程師將大量使用API。隨著越來越多的大學將機器學習知識帶入課堂，機器學習正在成為每個新工程師工具包中的常見工具。大學裡的機器學習課程幾乎座無虛席，因此幾乎每個畢業生對這一領域多少有些瞭解。

我認為目前炙手可熱的區塊鏈分散式系統工程師的未來發展也會像現在的機器學習工程師一樣。自中本聰釋出比特幣白皮書釋出以來，絕大多數區塊鏈專案一直在致力於基礎技術和基礎架構的建設。這需要專案參與者具備強大的工程技能，參與者通常被稱為分散式系統工程師。你最終會發現這一切變得越來越抽象，企業正開始尋找實際使用的案例，普通工程師便開始使用區塊鏈技術構建新的例項，這些變化就像人工智慧和機器學習領域出現的變化一樣。

在我釋出這篇文章之後，有很多人給我留言，其中我最欣賞的一條留言來自推特上的Varii：“就像你說的，機器學習工程師只是個標題。大多數僱主都希望員工具備綜合技能。我覺得重點不在於誰會被淘汰，而是誰有足夠的能力適應不斷變化的行業。”

是的，這與我的想法不謀而合：如果你真的對某件事充滿熱情，那麼無論其所在的領域或趨勢如何變化，你的熱情總會驅動著你最終創造出很多厲害的東西。