人工智能未来的九种新兴工作岗位

Kenna Security的首席数据科学家Michael Roytman于2012年荣获乔治亚理工学院颁发的运筹学硕士学位，他在该院研究了随机过程和随机优化。然后，他签约成为Kenna Security的数据科学家并最终晋升为首席数据科学家。

Roytman说：“首席数据科学家正在运用他们的技能来增强整个组织的分析能力。”

人工智能架构师

人工智能架构师(也称为人工智能或机器学习工程师)负责创建用于操作和管理人工智能和机器学习项目的系统。

BT的美国战略学术合作伙伴关系负责人兼麻省理工学院的研究合作关系负责人Steve Whittaker说：“这些人可以大举研究人工智能项目”。他说，获得人工智能和机器学习技能的IT架构师是不二之选。

Whittaker说：“要创建人工智能工程师平台就需要培养运维(DevOps)技能。你必须知道如何大规模地执行，了解敏捷开发并具备流程和数据意识。”

人工智能架构师可能还要负责重建各种业务流程，从而使这些流程更接近业务。

任何自建人工智能或机器学习基础设施的公司都需要人工智能架构师或人工智能平台工程师。Whittaker说：“不仅仅是谷歌，脸书和亚马逊”。他补充说，这个职务近期才诞生，这意味着人们的背景千差万别，从充满新鲜想法的新毕业生到拥有40年实践项目管理经验的人，不一而足。

eSentire的首席技术官Dustin Hillard希望机器学习工程师在处理大型数据集和云数据处理框架方面具备多年经验，并且能够设计，构建和部署复杂的人工智能系统。

人工智能数据工程师

人工智能和机器学习的存亡都取决于数据。但是它们所需数据的种类和规模可能与其他系统不同，因此任何想要执行高级分析，机器学习或人工智能的组织都需要人工智能数据工程师。

“不得不招聘这些新兴职位的各种公司首先想到了大型组织”，英国电信安全部常务董事Kevin Brown这样说道。“它们还想到其他拥有大量数据的组织。例如，由于大流行，医疗行业见证了数据的巨增。”

例如，BT要处理惊人的数据量。例如，在网络安全方面，每秒处理数百万个事件，每天处理约4000次网络攻击。Brown说，本公司聘请的董事总经理只专注于人工智能，战略，人工智能开发人员，研究人员和数据科学家。这些人的背景横跨人工智能的各个功能。

Brown说：“我们要筛选大量的数据来发现异常，而这正是人工智能数据工程师的大展拳脚的地方。我们总是在大海捞针。”

数据制造架构师

从事数据业务的公司提供了更多的专业职位 

数据制造架构师帮助企业为其金融服务领域的客户创建高质量的结构化数据。数据产生自非结构化且杂乱无章的源头。

Mann说：“这些数字必须准确无误，其标准要高于大多数行业和学术机构。”

Mann说，数据制造架构师(Bloomberg)让深层领域专家在企业的全球数据部门中工作。企业在也在招聘许多其他的专门化的人工智能人才，包括人工智能研究科学家，人工智能定量研究科学家，媒体数据科学，高级机器学习工程师和分布式系统高级软件工程师。

知名企业的人工智能工程主管Anju Kambadur说，这些职位要具备人工智能，机器学习，自然语言处理，信息检索和定量金融方面的经验，并且必须具备Python，Java和C ++等编程语言方面的专业知识。他补充说，但是沟通，协作和产品开发方面的技能也很重要，“特别是跨组织和跨学科工作和沟通的能力。”

人工智能质量保证经理

正当尖端企业试图弄清如何围绕新生的人工智能实践分配职责时，人工智能领域的相关工作正在不断涌现以满足其需求。其中一些职位尚未设立，并且大多数职位尚无开设标准化课程或尚无形成典型的职业发展道路。

以人工智能质量保证经理这一新兴职位为例，这可以看作是从传统软件质量保证职位演变而来的职位，但是人工智能项目的质量保证却大不相同。例如，尽管某一公司可能会为手头的项目选择错误的算法，但是代码本身很少会成为问题。不完整的，过时或有偏差的训练数据集才是更应注意的东西。

有偏差的数据是一个特别棘手的问题，这些数据不仅会产生不良结果，还会产生监管问题，不良宣传，罚款或诉讼。

Zscaler最近收购的Edgewise Networks的首席数据科学家John O’Neil表示：“没有人真正了解偏差是如何进入数据的，也没有人了解如何设法从数据中消除偏差。这是一个非常活跃的研究领域。据我所知，如果你想说，规则就摆在这里，如果你遵循这些规则没问题，压根儿就没有说这理儿的地方。”

公民数据科学家

Gartner称，到2024年，人工智能高级用户将填补数据科学家的空缺。正如Gartner所称，这些“公民数据科学家”将能够执行与人工智能相关的任务，因为部署高级分析，机器学习和人工智能所需的工具将变得越来越容易使用。

但是，请勿将公民数据科学家简单地视为一个职业头衔。恰恰相反，对“公民数据科学家”工具(例如Auto ML)的使用经验将成为一系列工作职能的工作要求的一部分。

人工智能平台公司DotData的首席执行官兼创始人Ryohei Fujimaki说：“对传统意义上的数据科学家进行招募，增员和培训是非常昂贵的。

但IDC三月份公布的调查显示，约有28%的人工智能和机器学习计划失败了，这很大程度上归咎于技能短缺。IDC的Jyoti说：“据报道，缺乏必要专业知识的员工是失败的主要原因之一。”

Jyoti说，也就是说，在人工智能和机器学习方面对工人再培训的需求受到了抑制。

DotData的Fujimaki说，企业越来越需要“公民数据科学家”。

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!