我曾和父亲有一次关于个人生活和职业规划的深入交流。
他问我：“你在大学里学习的专业就业前景怎么样？”
那时我正在修读人工智能的学位，我回答道：“非常好。”
“人工智能究竟是什么呢？”
我开始用一些简单的短语来解释人工智能，提到了机器的学习能力，决策制定能力等。
父亲没有就此打住：“像机器人那样吗？”
我回答到：“确实，就是可以学习的机器人。”
“那你以后会和机器人一起工作吗？”
“嗯……也不完全是吧。”
父亲显然对这个答案感到不满：“所以呢？”
那时我突然意识到，在父亲看来，我对人工智能的定义和我作为数据科学家的工作内容没有太大关系。突然我灵光乍现：“我会成为预言家——不过是从科学的角度预言。”但这个说法反而让他更加困惑了。
许多年过去了，我一直在所处行业和学界中从事人工智能的咨询、教学和研发工作。对于数据科学家而言，我长期以来自创的“预言家”头衔并不全面，因为数据科学家的工作内容不只是预测未来。
然而，从公司的角度出发，将数据科学家称为预言家并不为过。
预言家
提到预言家，很多人脑海里恐怕都会浮出这样的画面：一位祭司（Oracle）面前摆着一个水晶球，他可以通过水晶球预知未来，宣读神谕。
维基百科告诉我们：“Oracle就是能在神的启示下对未来进行预测，提供智慧见解以及宣读神谕的人或者中间场所，是进行占卜和预测的一种形式。”
数据科学家也能像祭司一样使用神谕，他们的神谕就是数据。数据科学家们极度依赖实验数据，无论数据源于过去还是现在。他们的最终目标就是制定出能影响未来的决策。
图源：unsplash
人工智能和数据科学
总体来说，人工智能就是由机器展示的智慧，它们会模仿人类的认知能力，比如学习和决策制定。现如今，人工智能延伸至了很多领域，从图像分析到机器人技术，几乎没有一个领域不会用到人工智能。
人工智能能完成很多任务，比如归类，集群，预测（回归分析），优化，强化学习等，这些最终都会帮助人类和机器做出更好的决定。
机器学习被视作人工智能下分的学科，其聚焦的领域更窄，但也被用于解决现实生活中的问题。同时，在数据科学中，机器学习也被用于分析数据以及预测未来。
数据科学将机器学习和其他学科结合在一起，比如大数据分析、研究分析以及其他领域知识。数据科学中包含了领域知识、计算机编程技巧、数学以及统计学，各大公司也在运用这些数据解决现实问题。
数据科学市场
如今，数据科学已经成为了行业中最热门的求职领域，数据科学家的薪资高于行业平均水平，拥有很高的声望。通常，该职位最低的学历要求是硕士。
公司也想雇佣越来越多的数据科学家，因为他们意识到数据科学家能通过机器学习和人工智能来分析数据，并在此基础上提供一些有洞察力的见解。
图源：unsplash
乍一听太棒了，不转行等什么呢？但是要成为一名资深的数据科学家却不是那么简单。数据科学家必须要精通很多领域，包括数学、机器学习、计算机编程、数据建模、数据工程、视觉化、模式识别、不确定性建模、数据仓储、云计算以及一般都需要掌握的大数据。
数据科学的就业市场波动较大，再加上该行业依赖于现代科技，因此数据科学家需要定期更新自己的知识。此外，数据科学家还要掌握他们公司所处行业的商业领域知识。
在面试这一职位的过程中，求职者们经常会被问到是否掌握了一些最近的新科技。不同领域的要求也完全不同。面试官的问题不仅仅局限于技术方面，还会涉及到领域知识的相关事项以及概念分析。
财富创造者
图源 Brian Godsey
许多人会将数据科学和数据完全挂钩，而数据就意味着收益。现如今，各大公司都急于雇佣数据科学家和人工智能工程师，希望他们能通过分析数据来做出决策。
然而，他们大都忽略了一个重要的问题：数据质量。
人工智能只能从有价值的数据中提炼出有价值的见解。很多公司都拥有数据，但这些数据并不能对决策制定提供帮助，或者这些数据中包含了太多难以捉摸的无用信息。
从某种意义上说，数据科学家确实有“神通广大”，但想要发挥出来，需要对科学和领域知识有很深的了解，专业技能和钻研能力过硬。
在此基础上，数据科学家们不仅可以利用公司的数据进行分析并且得出有价值的见解，他们还能帮助公司更好地利用数据，让公司具备更准确的预测未来的能力。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至87172970@qq.com举报，一经查实，本站将立刻删除。
