當(dāng)討論2022年及以后最受歡迎的IT工作時(shí)，“數(shù)據(jù)科學(xué)家”經(jīng)常出現(xiàn)在許多列表的頂部。問題是，沒有足夠的具備適當(dāng)技能的潛在數(shù)據(jù)科學(xué)家來滿足當(dāng)前的需求。事實(shí)上，一2022年調(diào)查發(fā)現(xiàn)56%的受訪者認(rèn)為數(shù)據(jù)科學(xué)人才或員工數(shù)量不足是企業(yè)成功采用數(shù)據(jù)科學(xué)的最大障礙之一。

為了克服這一障礙，組織應(yīng)該考慮開發(fā)自己的數(shù)據(jù)科學(xué)持續(xù)學(xué)習(xí)計(jì)劃，以補(bǔ)充學(xué)校教授的內(nèi)容。此類項(xiàng)目有助于將初露頭角的數(shù)據(jù)科學(xué)家展示給專業(yè)人士，以及將數(shù)據(jù)模型帶入生活的過程。這些計(jì)劃還可以幫助這些個(gè)人了解他們在機(jī)器學(xué)習(xí)運(yùn)營(MLOps)生命周期中的位置，同時(shí)幫助公司找到急需的人才。

需要數(shù)據(jù)科學(xué)家:“與他人合作愉快”

關(guān)鍵之一數(shù)據(jù)科學(xué)家的工作要求是能夠與其他人合作愉快。這聽起來可能令人驚訝，因?yàn)閿?shù)據(jù)科學(xué)家的典型形象是與他們的模型隔離工作的人，但數(shù)據(jù)科學(xué)的實(shí)際建模部分實(shí)際上只是工作描述的一部分。

實(shí)際上，創(chuàng)建智能應(yīng)用程序或模型是一個(gè)復(fù)雜的過程，涉及幾個(gè)步驟，包括:

1. 理解應(yīng)用程序背后的業(yè)務(wù)目標(biāo)
2. 為應(yīng)用程序收集和準(zhǔn)備數(shù)據(jù)
3. 開發(fā)模型
4. 部署模型
5. 部署后監(jiān)控和管理模型

這些步驟中的每一步都由MLOps團(tuán)隊(duì)的不同成員來處理，該團(tuán)隊(duì)包括業(yè)務(wù)領(lǐng)導(dǎo)，數(shù)據(jù)工程師、開發(fā)人員和IT運(yùn)營經(jīng)理。不同步驟的職責(zé)之間自然會(huì)有一些交叉。盡管如此，數(shù)據(jù)科學(xué)家以某種方式參與其中，并且必須定期與其他領(lǐng)導(dǎo)者互動(dòng)，以部署他們的模型。因此，理想的數(shù)據(jù)科學(xué)家既要有商業(yè)頭腦，又要有技術(shù)專長，并且在與同行合作時(shí)能自如地處理模型。
 

為未來的數(shù)據(jù)科學(xué)家提供實(shí)踐機(jī)會(huì)

在教授這些“軟技能”方面，企業(yè)擁有獨(dú)特的優(yōu)勢。這是因?yàn)樵S多組織已經(jīng)有了MLOps團(tuán)隊(duì)，或者正在構(gòu)建他們的MLOps能力。

這些團(tuán)隊(duì)有效地提供內(nèi)置資源，幫助培養(yǎng)下一代數(shù)據(jù)科學(xué)家。組織可以邀請潛在的數(shù)據(jù)科學(xué)家(無論是來自公司內(nèi)部還是外部)來了解團(tuán)隊(duì)如何工作、他們使用的工具、涉及的人物等等，并通過實(shí)際操作的持續(xù)學(xué)習(xí)計(jì)劃來教授他們。

在這些計(jì)劃中，潛在客戶可以與當(dāng)前的數(shù)據(jù)科學(xué)家并肩工作，了解他們?nèi)绾闻c同事互動(dòng)，并觀察這些互動(dòng)帶來的微妙之處。他們可以問問題:把模型交給開發(fā)人員的最好方式是什么?運(yùn)營經(jīng)理喜歡如何與數(shù)據(jù)科學(xué)家合作?我如何確保我的模型最終成為一個(gè)有用的、可部署的應(yīng)用程序?

學(xué)習(xí)貿(mào)易工具

學(xué)生還可以獲得使用MLOps基礎(chǔ)工具的寶貴經(jīng)驗(yàn)。這些可能包括Jupyter筆記本，Apache Spark，計(jì)算機(jī)編程語言，以及數(shù)據(jù)科學(xué)家中常見的其他技術(shù)。這將幫助他們更好地理解開發(fā)人員用來創(chuàng)建代碼和應(yīng)用程序的技術(shù)，以及數(shù)據(jù)工程師用來提取和轉(zhuǎn)換數(shù)據(jù)的解決方案。

雖然數(shù)據(jù)科學(xué)專業(yè)的學(xué)生不需要成為容器或最新的MLOps治理軟件等技術(shù)的專家，但了解誰使用了什么技術(shù)以及為什么使用會(huì)很有幫助。每一點(diǎn)額外的知識(shí)都會(huì)讓學(xué)生更好地理解團(tuán)隊(duì)中的每個(gè)人是如何工作的，并幫助他們與團(tuán)隊(duì)成員更緊密地合作，以便他們能夠更有效地交付模型。

對組織的好處

為數(shù)據(jù)科學(xué)家創(chuàng)造持續(xù)的學(xué)習(xí)體驗(yàn)也有利于公司。例如，組織可以就自己獨(dú)特的流程培訓(xùn)未來的數(shù)據(jù)科學(xué)家，并讓潛在的新員工適應(yīng)他們的MLOps文化。如果學(xué)生表現(xiàn)出必要的能力，他們可能會(huì)考慮聘用他們，并加入他們的數(shù)據(jù)科學(xué)行列。由于他們的持續(xù)學(xué)習(xí)計(jì)劃，他們將有一名已經(jīng)接受過培訓(xùn)并準(zhǔn)備在第一天就投入工作的新員工。

至少，有持續(xù)學(xué)習(xí)項(xiàng)目的公司表明他們有興趣投資于他們的員工。僅僅這一點(diǎn)就可以成為一個(gè)不同的制造者，可以激發(fā)員工群，這將有望包括更多未來的數(shù)據(jù)科學(xué)家。