von Paul-Louis Pröve
Auf der diesjährigen Solutions-Konferenz in Hamburg hielt ich einen Vortrag darüber, wie sich die Rolle von Data Scientsts im Laufe der Jahre verändert hat und welche Art von Projektaufbauten wir in nicht allzu ferner Zukunft sehen könnten. In diesem Artikel möchte ich kurz meine Punkte zusammenfassen.
Was wird heute von einem Data Scientist erwartet?
Data Scientists haben schon immer eine hybride Rolle gespielt und wissenschaftliches methematisches Wissen mit angewandten Daten- und Programmierkenntnissen kombiniert. Dies machte absolut Sinn, als die Rolle ziemlich neu war und wir zwei Fachgebiete verbinden wollten, die wir für Themen des maschinellen Lernens benötigten.
Da das Feld jedoch im Laufe der Jahre viel größer geworden ist, änderten wir ständig die erwarteten Fähigkeiten von Data Scientists und hielten uns an die gleichnamige Konvention. Die Definition, was ein DS tut, hängt nicht nur davon ab, wen Sie fragen, sondern auch, wann Sie diese Person fragen. Meine Antwort darauf hat sich allein in den letzten 5 Jahren ziemlich verändert.
Heute verwenden wir diese Berufsbezeichnung für eine große Gruppe von Experten, die manchmal völlig andere Dinge tun. Dies führt oft zu einer ungenauen Kommunikation, die langfristig zu Problemen führt. Bis heute möchte ich Data Scientists in 3 verschiedene Profile segmentieren.
DS existiert immer noch allein, aber nur, wenn wir wirklich über die hybride Rolle sprechen, die es repräsentiert. In den meisten Fällen suchen Unternehmen nicht mehr nach dieser gemeinsamen Rolle, sondern nach einer von zwei anderen Personas.
ML-Forscher sind die Art von Menschen hinter neuen und bahnbrechenden KI-Modellen, von denen Sie in den Nachrichten hören könnten. Diese Menschen haben ihr angewandtes Wissen aufgegeben, um sich mehr auf die mathematische Forschungsseite zu konzentrieren.
ML-Ingenieure hingegen könnten wackelig sein, wenn es um das detaillierte Wissen über einige fortschrittliche Algorithmen geht. Sie wissen jedoch, wie sie ihre ML-Tools verwenden und in einer Unternehmenssystemarchitektur anwenden können. Sie sind Programmierer.
4 von 5 Mal, wenn ein Unternehmen einen Data Scientist einstellen möchte, sucht es tatsächlich nach einem ML-Ingenieur. Das Problem steigt, weil sich viele ihrer Rekrutierungsmaterialien auf DS- oder MLR-Fähigkeiten konzentrieren, im Gegensatz zu dem, wonach sie tatsächlich suchen.
Deshalb glaube ich, dass diese Differenzierung wichtig ist. Unternehmen stellen buchstäblich die falschen Leute ein, weil sie für ML-Forscher interviewen, während sie tatsächlich ML-Ingenieure brauchen.
Fortsetzung folgt...