介绍机器学习工程师的角色通常与编程、软件实现和数据分析等专业技能相关联。虽然专业技能对于拥有称职的ML工程师非常重要，但有一套软技能对于ML工程师同样重要。在本文中，我不仅会提高您对这些软技能的认识，还会提供一些技巧和建议来帮助您的个人发展和技能培养。沟通技巧您的声音需要被听到沟通是ML工程师在其职业生涯中必不可少的一项关键技能。下面提供了有效沟通的好处示例。这些例子说明了为什么有效的沟通技巧很重要。面试ML工程职位培养对员工需求的认识谈判加薪向非技术人员解释机器学习概念。在上述所有情况下，拥有出色的沟通技巧会让你处于比其他人更好的位置。正确传达您的资历和课程可以让您在申请职位时比竞争对手更具优势。即使在工作岗位上，有效的沟通技巧也会让你在薪资谈判中占据优势，这可能意味着薪水可能会增加5%到10%。提高沟通技巧的一个极好的方法是执行以下待办事项列表。抓住机会公开发言（不必与工作相关）。如果您还没有机会发表演讲，请阅读它。定期阅读可以提高您的词汇量，并为您提供在对话中表达自己的语言弹药。平静而缓慢地说话。无论在什么情况下，冷静地说话都会给别人一种你在掌控局面的印象。更重要的是，平静的表情可以传达出高度的自信。练习向技术人员和非技术人员解释机器学习概念。您可以通过确保非技术人员理解您正在解释的概念来增强您的知识。向专业人士解释ML概念将使您熟悉如何正确使用技术术语来描述概念或想法。团队合作ML工程师通常是公司内部项目和AI计划的核心，肩负着重要的责任。由于ML工程师在公司中扮演着不可或缺的角色，他们需要在跨职能团队中运作。例如，ML工程师可能需要与数据库管理员就数据池和存储进行沟通。大多数软件产品都需要前端界面，因此ML工程师始终与产品设计师、经理、测试人员和软件开发人员密切合作。有效的团队合作创造了一个愉快的工作环境，作为副产品，它可以实现高效的工作流程。团队合作是一种与出色的沟通技巧相结合的技能。ML工程师在沟通技术和个人需求方面越有效，团队内的协作和贡献就越容易。在机器学习中练习团队合作的一种非常有效的方法是使用Kaggle(https://www.kaggle.com/)。大多数机器学习从业者都熟悉Kaggle。我发现在Kaggle中竞争的团队，甚至合并团队，都会获得很多经验和知识。您可以从实际项目和竞赛中学到很多东西，在这些项目和竞赛中，团队合作和协作是成功的主要因素。以下是一些支持团队内有效团队合作的工具：Slack(https://slack.com/intl/en-hk/)：通过消息传递在团队内进行有效沟通Trello(https://trello.com/)：项目管理工具GitHub(https://github.com/)：一个旨在通过存储库共享软件和源代码的网络平台。时间管理时间管理是将一定量的时间委派给特定任务以实现定义的成功衡量标准的过程。成功的时间管理的附加产品是高效完成任务和提高生产力。虽然ML工程师主要负责实施机器学习模型和系统，但ML工程师也有许多其他职责（下面列出的示例）。由于承担了额外的责任，机器学习工程师需要确定任务的优先级并分配适当的时间和精力以将它们完成到令人满意的水平。ML工程师职责的其他示例包括：指导初级工程师管理工程团队研究最新的ML技术和算法ML工程师或从业者可以采取一些步骤来培养良好的时间管理技能。在您的下一个或当前项目中，您需要对实现里程碑所需的任务进行细分，并制定一个计划，其中包括对每项任务的描述和完成任务的预计时间。并非所有的任务都是平等的创建一个计划是不够的。通过有效的优先排序，已经付出了巨大的努力来最大限度地提高生产力。通过首先处理基本任务，您会觉得自己的时间得到了有效利用。对于工作场所的ML工程师来说，还有一个巧妙的技巧。即当系统询问您实施ML模型或算法所需的时间时，无论您最初考虑什么时间，都将其加倍，甚至可能增加三倍以提高安全性。所以，如果你的任务是在移动应用中实现语义分割技术，你估计需要三天才能完成，请注意，你可以设置一周完成，这为你解决可能的问题提供了缓冲时间问题。出现的任何不可预见的问题。高估完成一项任务所需的时间总比低估它要好。领导力领导力作为机器学习从业者的软技能的重要性是毋庸置疑的。无论您处于职业的哪个阶段，都必须培养您的领导技能。领导力可以定义为一种后天习得的特质，它使个人能够激励、激励和引导一群人朝着共同的目标前进。ML从业者可以通过以下方式发挥领导作用：首席工程师或ML团队经理应该表现出对他们正在从事的项目的热情，或者至少表现出对AI的渴望。对领导或管理人员的热情可以为团队成员创造灵感。机器学习从业者应该了解公司、组织或项目背后的原因。通过了解组织采取的行动和决策的“原因”，您可以执行超出您的技术能力的行动。伟大的领导者以身作则。在这里，我用一个ML工程师承担并完成一个几乎被认为是不可能的项目或任务的场景来说明这一点。之后，教其他团队成员如何处理将来可能出现的类似任务。ML从业者可以通过以下行为培养领导技能：与团队中的个人密切合作。不仅是个人项目，还有涉及各行各业的大型项目。通过预见项目的长期影响，练习远见和良好的决策技巧。抓住机会练习公开演讲。职业道德职业道德是指导个人行为的内部原则与纪律、勤奋和内向的结合的产物。良好的职业道德是几个要素的组合，它们相互协调。这些组成部分包括专注、纪律、动机、灵感、愿景、生产力、努力工作等等。根据我的观察，ML工程师往往努力工作，而该领域本身的性质要求在该领域的学术和实践方面付出大量努力。虽然，努力工作并不构成普遍的职业道德。例如，一名ML工程师可能在短期内努力工作，但从长远来看，同一名ML工程师可能缺乏养成良好职业道德的动力、专注力和纪律。如何培养良好职业道德的示例：通过为特定任务留出特定时间来练习提高注意力，确保消除干扰。一个有用的时间跟踪工具是Forest。守时是获得良好职业道德的重要组成部分。您可以通过准时出现（至少在开始时间前10分钟）参加日常生活中的任何会议来练习准时。即使在社交聚会上也要准时。保持工作与生活的平衡。在电脑上做一些活动来休息一下可以让你的大脑得到休息。选择一种不涉及机器学习的爱好，例如绘画、唱歌或学习演奏乐器。大脑是神奇的，从执行这些辅助活动中获得的创造力可以激发机器学习相关工作的创造力。动机和灵感是非常主观的成分。激励ML工程师A的可能不会激励ML工程师B。就个人而言，我通过观看许多以AI为中心的故事的科幻电影来激励自己。像《我、机器人》、《机械姬》或《AlternateCarbon》这样的电影和电视剧展示了随着ML从业者今天所取得的进步，未来将成为可能。结论一个成功的ML工程师需要具备许多其他软技能，例如表达技巧、创造力、倾听技巧、解决问题的技巧、灵活性等。希望通过阅读本文，您已经确定了至少一项您可以掌握的软技能在业余时间开始学习。
