如何成为一名机器学习工程师

机器学习被认为是科技领域最热门的技能之一。世界各地的组织都在赌机器学习会让他们的应用程序和服务变得“更智能”，从而在竞争中占据关键优势。如果你决定成为一名机器学习工程师，你就有可能获得大量令人满意（而且利润丰厚）的机会。

在过去四年中，人工智能（A.I.）和机器学习工作增长了近75%。随着全球机器学习市场预计到2029年将达到2099.1亿美元的趋势，那些知道自己技术的机器学习工程师每年可以获得从21.5万美元到39.7万美元不等的巨额薪酬也就不足为怪了。

什么是机器学习工程师？

机器学习工程师是一个处于数据科学和软件工程交叉点的混合角色。他们主要负责创建使用数据自动化预测模型的算法。他们的目标是运用所学知识让计算机能够预测未来的事件，并不断变得更加智能。

一个自学成才的机器学习工程师库尔蒂斯·派克斯（Kurtis Pykes）指出，从长远来看，数据科学家会分析数据以产生商业见解，而机器学习工程师会将数据转化为产品。这听起来有趣吗？

下面我们来看看ML工程师的核心职责，以及担任该职位所需的技能、素质和经验。虽然职责因组织、团队和项目而异，但一些常见职责包括：

技术技能和知识要求

因为机器学习工程不是入门级角色，大多数过渡到IT行业的技术专业人员都有软件工程经验或计算机科学、工程、数学或数据科学的学位。随着公司希望建立自己的数据科学团队，包括自学在内的机器学习工程师的新途径已经被打开。

无论你是想通过增强现有技能来跳槽，还是从头开始，以下是你需要掌握的技术技能：

软技能是关键

虽然机器学习工程是一项技术性工作，但软技能对项目成功至关重要，并能对你的职业生涯产生积极影响。

以下是一些最关键的软技能：

沟通和团队合作：因为机器学习工程师通常作为更大的数据科学和/或跨职能团队的一部分而工作，所以向技术和非技术受众传达信息并进行协作的能力是至关重要的技能。

获得能力和信心

在寻找第一份工作时，新诞生的机器学习工程师有两件事对他们不利。首先，尽管合格的应聘者短缺，招聘经理们还是希望他们在提供工作之前掌握最重要的技能和工具。其次，新人可能会对自己的能力缺乏信心或自我怀疑（通常称为冒名顶替综合症）。

解决方案是什么？在学习期间获得实践经验并建立投资组合，不仅可以提高你的能力和信心，还可以提高你被雇佣的机会。派克斯说，不要犹豫练习你的技能。例如，通过基于项目的学习，不断应用你获得的新技能。

有面向精通R或Python的初学者的基本机器学习项目，也有适合具有中级和高级机器学习技能的项目。写项目 志可以帮助你了解工作背后的细微差别，提高你的沟通技巧，并与招聘人员和招聘经理建立有价值的联系。

另一个选择是参加DataCamp和Kaggle等数据科学竞赛。许多老板高度重视为此类竞争做出贡献的人，这是建立投资组合的一个好方法。通过本Kaggle竞赛教程，你可以体验到参加竞赛的感觉。

虽然成为一名机器学习工程师注定有一条陡峭的学习曲线，但回 绝对值得。未来几年，机器学习必会对世界各地的组织显得尤为重要。