接收程序員的 8 點(diǎn)技術(shù)早餐
作者簡(jiǎn)介
洪亮劼，電子商務(wù)平臺(tái) Etsy 的數(shù)據(jù)科學(xué)主管（Head of Data Science），AICon 演講嘉賓，前雅虎研究院（Yahoo Research）科學(xué)家、資深科學(xué)家和高級(jí)研發(fā)經(jīng)理職位。長(zhǎng)期擔(dān)任多個(gè)國(guó)際著名會(huì)議及期刊的評(píng)審委員會(huì)成員和審稿人，并且組織過(guò)多個(gè)關(guān)于推薦、搜索、用戶(hù)體驗(yàn)優(yōu)化的國(guó)際研討會(huì)。他擁有 3 項(xiàng)美國(guó)專(zhuān)利。
今天，我們來(lái)聊聊數(shù)據(jù)科學(xué)家或 AI 工程師的職場(chǎng)規(guī)劃。
當(dāng)然，說(shuō)到職場(chǎng)規(guī)劃，這確實(shí)是一個(gè)非常寬泛的主題。我們今天要探討的不是數(shù)據(jù)科學(xué)家“應(yīng)該”怎么發(fā)展，而是說(shuō)，有哪些職業(yè)發(fā)展的“可能性”，希望能夠?yàn)槟阋?guī)劃自己的職業(yè)生涯起到一個(gè)拋磚引玉的作用。
數(shù)據(jù)科學(xué)家的“垂直發(fā)展”
數(shù)據(jù)科學(xué)家一個(gè)最直接的職場(chǎng)規(guī)劃，就是在技術(shù)線上持續(xù)發(fā)展，逐漸成為一個(gè)技術(shù)專(zhuān)家。目前，不同公司對(duì)數(shù)據(jù)科學(xué)家類(lèi)型，這里包括研究科學(xué)家、算法專(zhuān)家、人工智能工程師等職位的職業(yè)生涯設(shè)置并沒(méi)有完全統(tǒng)一的模式。但是，數(shù)據(jù)科學(xué)家類(lèi)型的職位在技術(shù)線上大體有這么幾個(gè)臺(tái)階可以發(fā)展。
第一個(gè)臺(tái)階是“初級(jí)數(shù)據(jù)科學(xué)家”。
這個(gè)臺(tái)階對(duì)應(yīng)很多公司入門(mén)級(jí)別的數(shù)據(jù)科學(xué)家，并且大概是對(duì)應(yīng)博士生畢業(yè)直接入職，或者碩士生有 2-3 年工作經(jīng)驗(yàn)入職這樣的情況。這個(gè)階段的數(shù)據(jù)科學(xué)家，其主要職能是在一個(gè)比較大型的產(chǎn)品解決方案中，完成一個(gè)小的模塊或者任務(wù)。當(dāng)然，也可以是，在一個(gè)比較小型的產(chǎn)品解決方案中，完成較大的模塊或者任務(wù)。
初級(jí)數(shù)據(jù)科學(xué)家對(duì)機(jī)器學(xué)習(xí)和人工智能的掌握程度主要集中于單獨(dú)的算法。因?yàn)閷?duì)業(yè)務(wù)需求接觸不多，在如何利用模型和算法來(lái)對(duì)整個(gè)業(yè)務(wù)提供解決方案，也就是我們之前說(shuō)的“翻譯”業(yè)務(wù)的能力上，存在著比較大的挑戰(zhàn)。這也是初級(jí)數(shù)據(jù)科學(xué)家在這個(gè)階段最需要積累和進(jìn)階的部分。
下一個(gè)臺(tái)階就是“中級(jí)數(shù)據(jù)科學(xué)家”。
這個(gè)臺(tái)階對(duì)應(yīng)很多公司的“高級(jí)數(shù)據(jù)科學(xué)家”（Senior Data Scientist）、“主管數(shù)據(jù)科學(xué)家”（Staff Data Scientist）。一般來(lái)說(shuō)，“初級(jí)數(shù)據(jù)科學(xué)家”有 1-3 年工作經(jīng)驗(yàn)之后就有機(jī)會(huì)晉升到“高級(jí)數(shù)據(jù)科學(xué)家”，然后再有 1-3 年工作經(jīng)驗(yàn)之后就有機(jī)會(huì)晉升到“主管數(shù)據(jù)科學(xué)家”?！爸鞴軘?shù)據(jù)科學(xué)家”平均應(yīng)該有 5 年左右的從業(yè)經(jīng)驗(yàn)。
對(duì)于這個(gè)臺(tái)階的數(shù)據(jù)科學(xué)家而言，已經(jīng)可以承擔(dān)一個(gè)比較大型的產(chǎn)品解決方案的絕大部分甚至全部的模塊和任務(wù)。并且在團(tuán)隊(duì)內(nèi)部，這個(gè)臺(tái)階的數(shù)據(jù)科學(xué)家已經(jīng)可以指導(dǎo)絕大多數(shù)的初級(jí)數(shù)據(jù)科學(xué)家。同時(shí)，這個(gè)級(jí)別的數(shù)據(jù)科學(xué)家對(duì)公司的整個(gè)宏觀產(chǎn)品線有了更多的認(rèn)識(shí)，對(duì)業(yè)務(wù)需求的“翻譯”能力有很大幅度的提升。在純技術(shù)層面，“中級(jí)數(shù)據(jù)科學(xué)家”對(duì)于機(jī)器學(xué)習(xí)和人工智能算法模型的把握已經(jīng)跳出了單獨(dú)一個(gè)算法或者模型的層面，可以比較好地去把握一個(gè)方向，特別是有可能的新的研究方向。
最后一個(gè)臺(tái)階，我稱(chēng)之為“高級(jí)數(shù)據(jù)科學(xué)家”。
這個(gè)臺(tái)階對(duì)應(yīng)很多公司的“資深主管數(shù)據(jù)科學(xué)家”（Senior Staff Data Scientist）、“主任數(shù)據(jù)科學(xué)家”（Principal Data Scientist）以及其他更高的職位。一般來(lái)說(shuō)，成為“中級(jí)數(shù)據(jù)科學(xué)家”后，再有 1-3 年的工作經(jīng)驗(yàn)可以晉升到這個(gè)臺(tái)階?！案呒?jí)數(shù)據(jù)科學(xué)家”平均應(yīng)該有 5-7 年的從業(yè)經(jīng)驗(yàn)。
對(duì)于這個(gè)臺(tái)階的數(shù)據(jù)科學(xué)家而言，基本上已經(jīng)算是行業(yè)的專(zhuān)家，對(duì)某一個(gè)類(lèi)型或者某幾個(gè)類(lèi)型的產(chǎn)品解決方案有深刻洞察。另外一個(gè)能力就是這個(gè)臺(tái)階的數(shù)據(jù)科學(xué)家相對(duì)比較容易舉一反三，能夠?qū)π碌漠a(chǎn)品或者新場(chǎng)景下的解決方案有相對(duì)快速和成熟的理解。在團(tuán)隊(duì)內(nèi)部，這個(gè)臺(tái)階的數(shù)據(jù)科學(xué)家處于整個(gè)團(tuán)隊(duì)的核心的位置，對(duì)“中級(jí)數(shù)據(jù)科學(xué)家”和“初級(jí)數(shù)據(jù)科學(xué)家”都能夠起到很好的指導(dǎo)作用。在純技術(shù)層面，可以針對(duì)機(jī)器學(xué)習(xí)和人工智能過(guò)去 20 年的大部分算法融會(huì)貫通，能夠帶領(lǐng)團(tuán)隊(duì)對(duì)一系列新的研究方向有比較好的把握。
數(shù)據(jù)科學(xué)家的“升級(jí)發(fā)展”
數(shù)據(jù)科學(xué)家的另外一種職場(chǎng)規(guī)劃，其實(shí)也和眾多工程師的規(guī)劃類(lèi)似，那就是轉(zhuǎn)到“管理線”或者叫“技術(shù)管理”的崗位，特別是管理和數(shù)據(jù)科學(xué)、人工智能直接相關(guān)的團(tuán)隊(duì)。
數(shù)據(jù)科學(xué)家對(duì)于管理職位的優(yōu)勢(shì)是，他們有著在這樣團(tuán)隊(duì)中工作和運(yùn)行的第一手經(jīng)驗(yàn)和資料。這些也為數(shù)據(jù)科學(xué)家轉(zhuǎn)到管理職位提供了一些先天的背景優(yōu)勢(shì)。
因?yàn)槿斯ぶ悄軋F(tuán)隊(duì)或者數(shù)據(jù)科學(xué)團(tuán)隊(duì)具有高度專(zhuān)業(yè)化和技術(shù)化的特點(diǎn)，沒(méi)有相關(guān)技術(shù)背景的管理人員，會(huì)非常難以勝任這樣的角色。主要表現(xiàn)在以下幾個(gè)方面。
第一，這些團(tuán)隊(duì)往往意味著需要招聘、管理和拓展一個(gè)由碩士和博士背景為主體的團(tuán)隊(duì)，完全理解和體會(huì)這個(gè)人群的需求以及這種團(tuán)隊(duì)對(duì)于工程、技術(shù)等方面的獨(dú)特需求，對(duì)于一般背景的技術(shù)管理人才來(lái)說(shuō)可能會(huì)比較困難。
第二，這個(gè)技術(shù)管理職位往往需要和技術(shù)社區(qū)，特別是人工智能社區(qū)有一個(gè)積極的交互。完全沒(méi)有相關(guān)技術(shù)背景，在這樣的社區(qū)立足并且作為一個(gè)領(lǐng)導(dǎo)者得以發(fā)展，相對(duì)比較困難。
第三，當(dāng)然還是在技術(shù)方案上，因?yàn)閷?zhuān)業(yè)性過(guò)強(qiáng)，如果技術(shù)管理人員沒(méi)有背景，就無(wú)法對(duì)方案進(jìn)行評(píng)估，然后就變成了完全的“人事經(jīng)理”（People Manager）。
除了從人工智能團(tuán)隊(duì)管理崗位入手以外，數(shù)據(jù)科學(xué)家還可以挑戰(zhàn)和人工智能有關(guān)的一些管理崗位，比如數(shù)據(jù)，或者有時(shí)候叫大數(shù)據(jù)部門(mén)。這些部門(mén)和人工智能部門(mén)經(jīng)常緊密合作，所以數(shù)據(jù)科學(xué)家也算是對(duì)這些部門(mén)耳濡目染，相對(duì)來(lái)說(shuō)有著比較清晰的認(rèn)識(shí)。
毋容置疑，數(shù)據(jù)科學(xué)家從純技術(shù)崗位到管理崗位的轉(zhuǎn)換過(guò)程中，肯定會(huì)面臨不少困難。對(duì)于有志轉(zhuǎn)崗的數(shù)據(jù)科學(xué)家來(lái)說(shuō)，他們往往在純技術(shù)崗位上工作得比較優(yōu)秀，一些古玩管理的機(jī)會(huì)自然出現(xiàn)，于是也就順理成章地轉(zhuǎn)了過(guò)去。然而，對(duì)于這些優(yōu)秀的純技術(shù)人員來(lái)說(shuō)，比如“中級(jí)”或者“高級(jí)”數(shù)據(jù)科學(xué)家，真正的挑戰(zhàn)在于，如何能夠去領(lǐng)導(dǎo)一個(gè)團(tuán)隊(duì)去完成一個(gè)使命。一些優(yōu)秀的數(shù)據(jù)科學(xué)家因?yàn)樽陨項(xiàng)l件優(yōu)異，往往存在大包大攬的情況，希望靠自己的能力做出比整個(gè)團(tuán)隊(duì)還要好的成績(jī)，反而在管理崗上無(wú)法施展應(yīng)有的水平。其實(shí)，如何做一個(gè)優(yōu)秀的人工智能技術(shù)管理者，這還是一個(gè)非常有新意和挑戰(zhàn)的話題，篇幅有限，今天就不展開(kāi)了。
數(shù)據(jù)科學(xué)家的“跨界發(fā)展”
除了我們剛才說(shuō)的在純技術(shù)崗位的發(fā)展以及往管理職位發(fā)展以外，數(shù)據(jù)科學(xué)家其實(shí)還有一些 橫向發(fā)展的機(jī)會(huì)。
比如，最“無(wú)縫”發(fā)展的就是 在工程團(tuán)隊(duì)或者數(shù)據(jù)分析類(lèi)團(tuán)隊(duì)之間進(jìn)行轉(zhuǎn)換。因?yàn)閿?shù)據(jù)科學(xué)家的工作性質(zhì)，這兩類(lèi)團(tuán)隊(duì)的工作或多或少都已經(jīng)包含在了數(shù)據(jù)科學(xué)家的日常工作中了。因此，數(shù)據(jù)科學(xué)家可以比較自然地轉(zhuǎn)換到這些團(tuán)隊(duì)中。當(dāng)然，這里還是需要對(duì)一些技能進(jìn)行加強(qiáng)培訓(xùn)。
另外，數(shù)據(jù)科學(xué)家其實(shí)比較適合轉(zhuǎn)移到產(chǎn)品經(jīng)理崗位。在“中級(jí)數(shù)據(jù)科學(xué)家”之后，這些技術(shù)人員需要對(duì)業(yè)務(wù)、對(duì)整個(gè)產(chǎn)品有比較深入的理解，包括需求、數(shù)據(jù)、工程技術(shù)等，才能對(duì)一個(gè)產(chǎn)品提出比較合適和成熟的解決方案。另外，數(shù)據(jù)科學(xué)家還需要不斷提升產(chǎn)品的質(zhì)量水平，這里面其實(shí)就有不少產(chǎn)品經(jīng)理的角色。因此，數(shù)據(jù)科學(xué)家算是具備成為一個(gè)產(chǎn)品經(jīng)理的一些條件。不過(guò)，我們這里要指出的是，數(shù)據(jù)科學(xué)家的整個(gè)背景訓(xùn)練主要是以純技術(shù)為主，特別是人工智能算法，因此轉(zhuǎn)換到產(chǎn)品經(jīng)理的時(shí)候，可能往往過(guò)分強(qiáng)調(diào)算法的力量，而忽視整個(gè)產(chǎn)品的其他方面。所以，即便是一個(gè)成熟的數(shù)據(jù)科學(xué)家依然需要一段時(shí)間的培養(yǎng)和培訓(xùn)，才能夠轉(zhuǎn)換到產(chǎn)品經(jīng)理的角色。
聯(lián)系客服
