机器学习是人工智能 (AI) 的一个子集，涉及
对系统用来依靠模式和推理来执行任务的算法和统计模型的研究是当今技术就业市场中需求最高的技能之一。
因此，按理说，机器学习工程师的职业前景处于良好的位置。据在线教育平台 Study.com 称，这些专业人员都是经验丰富的程序员，他们开发的机器和系统可以在没有特定指导的情况下学习和应用知识。
Study.com 指出，机器学习工程师的重点不仅仅是对机器进行专门编程以执行特定任务。他们创建的程序允许机器采取行动，而无需专门指示执行任务。
例如，这样的工程师可能会致力于自动驾驶汽车的开发，或者以尝试识别特定个人兴趣的方式提供服务。 Study.com 表示：“从定制的新闻源到定制的网络搜索，机器学习工程师正在为许多人的日常生活以及他们如何使用技术做出贡献。”
机器学习工程师工作技能
机器学习工程师需要具备的工作技能包括计算机编程（可能包括 C++ 或 Java 等特定语言的知识）、数学、数据分析、数据挖掘、云应用程序知识以及良好的沟通能力。
专业社交网站 LinkedIn 在其 2019 年最有前途的职位排行榜中将机器学习工程师排名第 15 位。该排名基于高薪、大量职位空缺以及同比增长等因素。为了确定最适合职业机会的工作，LinkedIn 结合了数百万会员资料、职位空缺和薪资的数据。
招聘网站 Indeed 报道称，机器学习工程师位列其 10 大人工智能职位列表中。 2018 年至 2019 年间，该网站的分析团队确定了职位描述中包含“人工智能”或“机器学习”关键词的比例最高的 10 个职位。
机器学习工程师继 2018 年排名第三之后，在 2019 年 Indeed 薪酬最高职位排行榜上名列前茅。
那么，成为一名机器学习工程师需要什么？为了找到答案，我们采访了个性化软件和服务提供商 Sailthru 的首席机器学习工程师凯尔·哈姆林 (Kyle Hamlin)。
教育/早年生活
Hamlin 于 2010 年在科罗拉多州立大学获得认知心理学理学学士学位，并在巴鲁克学院获得统计学理学硕士学位。
在大学学习和规划未来时，他无意从事 IT 职业。 “我最初的职业愿望是成为一名咨询师/治疗师，”哈姆林说。
这并不是说他对机器或技术运作背后的机制缺乏任何兴趣。 “我想我一直对修补事物感兴趣，无论是机械的还是数字的，”哈姆林说。 “所以对我来说，进入科技领域可能总是一个不错的选择，即使我最初没有意识到这一点。”
[相关：机器学习的引导自动化]
工作经历
Hamlin 的第一份工作经历是在数据分析和数据仓库提供商 Teradata 担任数据建模实习生。
“这是一次实习，所以它必须结束，但它是我至今所拥有和使用的一些数据工程知识的基础，”他说。
实习结束后，哈姆林在儿童和家庭服务提供商 Sheltering Arms 担任劳动力分析师。他负责监督所有基于指标的举措并推动高效的招聘、培训和管理。其他职责包括准备月度数据报告、分析指标以识别内部和外部表现最佳的员工、进行养老金分析和评估营业额以降低员工流失率。
“这项工作是我第一次能够在组织中释放我不断增长的分析能力，”哈姆林说。 “作为一家非营利组织，他们没有太多资金投资软件或任何有助于对其员工做出更高级决策的东西。”
Hamlin 设计了一个基于 ADP 数据的报告系统，将报告分发给数百名远程经理，以帮助他们深入了解自己的团队。 “这可能是该组织迄今为止最大的分析工作之一 - 它完全是在我的旧戴尔台式电脑上运行的，”他说。 “完成这样的项目使我能够将自己推销给一家更符合我职业抱负的公司。”
接下来，哈姆林加入媒体和营销服务公司 Mindshare，担任数字洞察分析师。他的成就之一是将许多不同的数据源整合在一起，为数百个联合利华品牌自动生成报告。他说：“这个项目帮助我向感兴趣的公司推销自己分析能力强。”
不久之后，哈姆林利用了营销和广告公司 Rocket Fuel 的机会，担任研究分析师。 “我相信这家公司是我职业生涯真正腾飞的地方，”他说。 “首先，它是一家真正的科技公司，所以我接触到了很多志同道合的人。”
哈姆林还能够使用各种专有的机器学习和大数据系统。 “最终，Rocket Fuel 对我来说最大的卖点是我接触过并使用过的所有尖端系统，”他说。
2016 年 3 月，哈姆林加入信息、数据和测量公司尼尔森，担任机器学习工程师。 “我来自 Rocket Fuel，拥有世界一流的大数据经验，我能够带头扩展用于管理在线学习系统的 Web 应用程序，”他说。
该系统对于数据科学家深入了解并评估他们的模型至关重要。 “这是一个巨大的卖点，因为我有构建分析系统的经验，现在我学会了如何将它们扩展到生产环境，”哈姆林说。
Hamlin 于 2019 年加入现任雇主 Sailthru，他的重点更倾向于数据工程领域。他说：“我花了很多时间对现有机器学习系统进行现代化改造，同时还为利用统一数据湖和最新深度学习的新平台奠定了核心基础。”
难忘的时刻
迄今为止，哈姆林职业生涯中最令人难忘的时刻就是这一切是如何开始的。 “完成本科学位后，我开始申请全国各地的研究生院——主要是咨询心理学博士项目，”他说。 “当我等待学校的回复时，我得出的结论是，我实际上不想在接下来的七年里在学校获得博士学位。”
哈姆林认为，硕士课程结束后拥有五年的工作经验比博士毕业后的零工作经验更有价值。因此，他决定去纽约巴鲁克学院攻读工业/组织心理学硕士学位。
“在巴鲁克的第一个学期，有两次经历彻底改变了我的职业轨迹，”哈姆林说。 “第一次体验是尝试创造一个我和我最好的朋友的想法：一个用于共享和混合我们创建的音乐片段的平台。老实说，这更是我们保持联系的一个原因。但是，虽然我们都在开发 Ruby on Rails 应用程序，但我意识到，我更喜欢花几个小时调试和修改代码（即使是漫无目的），而不是学习“心理学”课程。
第二个经历是他在心理学课程第一学期喜欢的一门课：商业决策的应用统计分析。在该课程中，学生必须使用良好的实验设计原则来设计实验，收集有关某些假设的数据，然后使用 IBM SPSS 统计软件进行分析。
“这门课程很难，但对我来说很熟悉，因为我在本科期间所做的很多事情都是研究实验设计和分析我在 SPSS 中收集的数据，”哈姆林说。 “当我接近学期末时，我很清楚我喜欢软件并且擅长分析，所以我做出了也许是我一生中做过的最好的决定：我转学到巴鲁克的 MS 统计项目。”
在接下来的两年里，哈姆林将学习各种语言的编程作为自己的使命。当时数据科学领域正在蓬勃发展，他知道如果他擅长统计分析并且具有良好的编程基础，那么他将是一个主要的求职者。
哈姆林说：“这段记忆对我来说非常美好，因为它显然是我生活和职业生涯中的一个关键变化，而且是朝着更好的方向发展。” “但当时，我为自己是否具备完成统计学硕士学位的数学能力而苦恼。最后，虽然很艰难，但我还是做出了正确的决定，因为我的利益高于一切。”
技能和认证
学习 Python 不一定是必要条件，“但我对成为一名优秀的程序员非常感兴趣，以补充我的统计学教育，”哈姆林说。 “学习 Python 编程为我打开了许多扇门。它教会了我如何像软件工程师一样思考，在开始构建任何分析、统计或机器学习项目之前，我发现这是非常宝贵的。”
最终，哈姆林致力于学习软件工程的时间得到了回报，因为这帮助他擅长为雇主提供更强大的解决方案。 “作为一名机器学习工程师，其主要技能是了解如何将机器学习系统扩展到生产软件环境，如果不先学习 Python，我就无法实现这一目标。”
短期和长期目标
哈姆林表示，他对网络安全领域越来越感兴趣。他说：“随着我们的社会继续数字化，人工智能变得越来越普遍，我认为这个领域的重要性将继续增强。” “此外，几乎九年后，我和我最好的朋友实际上仍在一起构建软件。
当然，我们并不总是在这九年里进行建设，但我们最近创建了一个产品来帮助为建设网站的团队提供快速的视觉反馈。它叫做 Volley，这是我未来的目标之一：建立自己的可持续发展业务。”
给其他寻求类似道路的人的建议
“一切都自动化，”哈姆林说。 “我在编程中获得的很多现实经验都是通过尝试通过编程来消除我必须多次执行的任何任务。我发现即使是琐碎的任务也需要将许多子任务拼接在一起并使用多个系统。”
这些自动化努力使哈姆林很快意识到代码很快就会变得混乱，他需要更多地了解良好的组织和设计模式。
