本文转载自公众号《阅芯》（ID：AI_Discovery）随着人工智能的发展，市场上出现了一些新的工作岗位。但是随着这些新兴领域的新兴职业，我们中的许多人都很难区分，尤其是机器学习工程师和数据科学家的角色，这可能会造成混淆。在阅读了不同的文章、博客和观看了一些视频之后，我想通过比较它们之间的差异来更清楚地介绍它们。让我们从一个类比开始。作家和教授有什么区别？可以说，他们都知道一门语言的“规则和语法”，一个是讲故事的人，一个是“规则”的严格践行者。数据科学家处理和分析原始数据，连接点并使用其他可视化工具讲述故事。他们通常拥有广泛的技能，只有一两个深入的知识。他们往往更有创造力，就像艺术家一样。机器学习工程师将数据视为必须接受并以某种适当形式有效输出的东西。他们的技能在实施细节方面需要高效。两者之间可能有很多重叠，但数据科学家可以成为机器学习工程师，而不是相反。也许随着他们获得更多经验，机器学习工程师是数据科学家的说法将会成真。机器学习与数据科学的维恩图在洞察力或学习方面，数据科学需要具有一定商业头脑的人，而机器学习需要具有系统预测能力的人。例如：数据科学：“在城镇的这一部分，大约每2英里就有一个加油站”机器学习：“自从看到加油站以来，我们已经走了两英里，所以现在我们要开始寻找另一个加油站》那我们再看看Netflix的例子。我们都知道Netflix会根据之前的选择智能推荐电影。该推荐系统与机器学习算法一起使用，以使用推荐系统提供合适的电影选择。在谈论Netflix的数据科学时，我们关注的模式包括在给定时间观看的评论者数量、他们的年龄和性别构成，以及许多其他因素。这些决策用于改善业务前景。当企业需要数据来回答问题或解决问题时，数据科学家的工作就是从原始和非结构化数据中提供有用的见解。数据科学家需要的技能：统计数据挖掘和清理数据可视化非结构化数据管理技术编程语言，例如R和Python了解SQL数据库使用大数据工具，例如Hadoop、Hive和Pig机器学习工程师需要的技能：计算机科学建模数据评估和建模理解和应用算法自然语言处理数据架构设计文本表示技术总而言之，数据科学家和机器学习工程师的工作还是有很大不同的，不要混淆他们。确定哪个岗位更适合自己的技能和个人兴趣，有意识地往某个方向培养自己的技能，为以后做准备。
