如今，任何在职称中甚至在其知识领域中具有“机器学习”字样的人都处于良好的职业地位。具有机器学习技能和经验的人才需求量很大，其中肯定包括机器学习工程师。
据研究公司Markets and Markets称，机器学习工具和系统的需求预计将从2016年的10.3亿美元增长到今年的88.1亿美元，复合年增长率为44%。世界各地的组织正在采用机器学习来增强客户体验并在业务运营中获得竞争优势。
Nicholas Kridler 是在线造型服务提供商 Dia & Co 的数据科学家和机器学习工程师。
研究称，数据的增长有助于推动更多机器学习解决方案和技能的发展。关键垂直领域的应用示例包括金融服务中的欺诈、风险管理、客户细分和投资预测；图像分析、药物发现和制造以及医疗保健领域的个性化治疗；零售业的库存规划和跨渠道营销；制造业的预测性维护和需求预测；能源和公用事业领域的用电分析和智能电网管理。
这些只是机器学习的一些用例，工程师对于其中许多工作至关重要。那么，机器学习工程师是做什么的？
软件开发中的机器学习
在机器学习中，个人设计和开发能够学习和做出预测的人工智能 (AI) 算法。机器学习工程师通常是数据科学团队的一部分，并与数据科学家、数据分析师、数据架构师和团队之外的其他人密切合作。
根据在线教育平台Study.com的说法，机器学习工程师是高级程序员，他们开发能够独立学习和应用知识的机器。复杂的机器学习程序可以在没有指示的情况下采取行动来执行给定的任务。
机器学习工程师需要精通数学、计算机编程、数据分析和数据挖掘等领域的技能。他们应该了解云服务和应用程序。他们还必须是良好的沟通者和合作者。
专业社交网站LinkedIn在其2022年LinkedIn职位上升研究中将“机器学习工程师”列为过去五年美国增长第四快的职位。
成为一名机器学习工程师
为了了解如何成为一名机器学习工程师，我们采访了在线造型服务提供商 Dia & Co 的数据科学家兼机器学习工程师 Nicholas Kridler。
Kridler 在马里兰大学巴尔的摩分校获得数学理学学士学位，在科罗拉多大学博尔德分校获得应用数学理学硕士学位。
在研究生院，我的重点是计算数学和科学计算，”克里德勒说。 “我认为科技相关领域的职业是我唯一的选择，因为我选择在学校专注如此狭窄。”
早期工作经历
当 Kridler 2005 年离开研究生院时，他没有太多的软件开发经验，因此他的选择很有限。他的第一份工作是在一家名为 Metron 的小型国防承包商担任分析师，该公司生产模拟软件。
2006 年 10 月，Kridler 加入另一家国防承包商 Arete Associates，担任研究科学家。 Arete 专注于开发遥感算法。 “我在 Arete 学到了很多东西，包括机器学习、软件开发以及用数据解决一般问题，”他说。
2012 年底，当数据科学开始腾飞时，Kridler 离开了该职位，加入医疗保健技术提供商 Accretive Health（现为 R1 RCM），担任高级数据科学家。 “Accretive 雄心勃勃地想要整合数据科学，但当时可用的工具使得很难取得进展，”他说。
赢得 Kaggle 竞赛
当 Kridler 受雇于 Accretive 时，他的老板让他与来自 Arete 的朋友一起参加 Kaggle 竞赛。 “比赛涉及根据音频数据对鲸鱼叫声进行分类，感觉与我在 Arete 所做的事情很相似，”他说。 “我们以微弱优势获胜，击败了当时仍处于起步阶段的深度学习算法。”
Kridler 参与 Kaggle 竞赛并取得成功，帮助他于 2014 年在在线服装提供商 Stitch Fix 找到了一份数据科学家的工作。对数据科学非常有抱负，但不一定具备团队能够成功的环境，”他说。
Kridler 表示，Stitch Fix 似乎更接近 Arete 的环境，算法是业务的核心，而不仅仅是一个可有可无的东西。 2014 年至 2018 年，他在 Stitch Fix 担任数据科学家。
“随着公司规模的扩大，我很幸运能够在那里工作，因为我有机会向才华横溢的数据科学家和数据平台工程师学习，”Kridler 说。 “我与销售团队密切合作开发库存算法。但我还构建了分析工具，因为它有助于与团队建立良好的关系。”
Kridler 在 Stitch Fix 的最大成就之一是开发了 Vendor Dash，它允许品牌访问其销售和反馈数据。 “它为我们的品牌提供了很多价值，并且在公司的 S-1 文件中提到了，”他说。
扎实的编程基础
Kridler 于 2018 年离开 Stitch Fix 搬到圣地亚哥。 2018年8月，他加入了Dia & Co.，这是一家类似于Stitch Fix的造型服务提供商。作为一名机器学习工程师，他致力于样式推荐并领导重建推荐基础设施的工作。
“在 Dia，我能够应用我在 Stitch Fix 开发的机器学习基础设施知识，并进一步发展我作为工程师的技能，”Kridler 说。不幸的是，Dia 不得不削减开支，他在接下来的两年里在两家公司担任数据科学家，然后又回到 Dia 担任首席机器学习工程师。
学校、早期工作经验和时机的结合使克里德勒担任了目前的角色。 “当我在学校和开始我的职业生涯时，有很多强大的工具根本不存在。当我开始工作时，我的工作水平比现在要求的要低得多，我认为这有助于我很快掌握新技能。”
例如，他学习了 C 和 Fortran 编程，“直到我在编程方面已经打下了坚实的基础，他才接触过像 Python 这样的脚本语言，”Kridler 说。 “在机器学习算法如此流行之前，我就开始研究它们，这给了我一些先机。”
机器学习工程师的一天
克里德勒说，不同公司的典型工作日或工作周差异很大。在 Stitch Fix，他与业务利益相关者密切合作，并负责制定共享路线图。 “这意味着需要经常召开会议来分享计划的当前状态并规划即将到来的任务，”他说。他一半多一点的时间都花在开会或准备会议上。另一半用于开发，无论交付成果是算法实现还是分析。在 Dia & Co.，他的职责主要是支持公司的平台，这需要较少的利益相关者互动。 “我们的利益相关者提交的请求会变成票证，我们的运作方式更像是一个软件开发团队，”他说。 “我大约 90% 的时间都花在编写代码或开发算法上。”
最难忘的职业生涯时刻
“赢得比赛永远是最难忘的时刻，因为它为我打开了很多扇门，”克里德勒说。“招聘数据科学人员一直很困难，但我觉得自己有优势，因为我能够指出这清楚地表明了我的能力。”另一个令人难忘的时刻是当 Stitch Fix 上市时，他能够看到公司的 S-1 文件中提到了他的工作。科学。”
技能、认证和副业项目
我从来没有必要返回学校或获得证书，但我也很幸运能够在工作中学习，”克里德勒说。 “当我转向数据科学时，我花了很多时间通过 Kaggle 竞赛来学习。如果我有一个可以让我应用这些知识的项目，我就可以更轻松地学习新事物。我用过很多编程语言编写过，所以学习一门新语言对我来说并不困难。我不接受任何形式的正式培训，而是依靠出版物和文档来学习新技能。我经常依靠业余项目来扩展我的技能。”
职业目标：不断创造事物
克里德勒喜欢创造事物，无论是新算法还是公司。 “我希望能够继续创造东西，”他说。 “在我目前的职位上，这意味着建立基础设施并扩展我们构建的算法的应用。未来，我想以 Stitch Fix 尝试做的事情为基础，并表明算法是为了增强，而不是取代。无论是帮助某人做出更好的决策，还是消除繁琐工作的需要，我认为人们都关注人工智能的炒作，而不了解将大量小算法拼凑在一起所获得的整体好处。”
给有抱负的工程师的灵感和建议
Kridler 的灵感之一来自 Stitch Fix 的创始人 Katrina Lake，“因为她实际上想要打造一些不同的东西，并且她做到了，”他说。 “Dia & Co. 的首席技术官 Christa Stelzmuller 对于如何使用数据有很好的想法，并且非常了解什么有效、什么无效。”
对于寻求与自己类似的道路的开发者来说，Kridler 的建议是追随自己的热情。 “在我的职业生涯中，我从很多人那里得到了这样的建议，如果你正在做自己热爱的事情，你总是会过得更好。”他说，“走出去，构建很多东西”也是一个好主意。“就像成为一名优秀软件开发人员的最佳方式就是编写大量代码一样，见过很多不同的代码确实很有帮助。”问题。”
