工程师的AI：如何（不）成为数据科学家
许多开发人员认为机器学习非常酷。这对我们来说是很自然的事情。我们每个人都在为我们的整个职业生涯提供新技术。机器学习在一段时间内是最新，最新，最酷的大事。所以，我们努力地出去并试图掌握它，这很精彩。这是我们开发人员的原因。
<！ - more - >在这样做的过程中，我们中的一些人得出结论，软件开发已成为过去，数据科学是未来。我们需要成为数据科学家才能拥抱未来，或者与COBOL开发人员（* gasp *）一起陷入困境。
开发人员的问题是，“我需要成为一名数据科学家” - 除了它完全错误之外 - 成为一名数据科学家需要做很多工作。多年的价值。在那些年之后，你是一位全新的数据科学家。一个菜鸟。恭喜你，你刚刚重新开始了你的职业生涯。
这似乎是一个糟糕的计划。
我想建议一个更好的方法。我称之为开发者混合物。这个想法很简单，也不新鲜。开发人员可以通过许多职业发展，让她在两个世界中占有一席之地。允许她继续担任开发人员但引进一些新技能并在她可以使用它们的领域工作的职业。另外，允许她将她的技能带到没有任何开发人员的区域。
测试自动化工程师就是一个很好的例子。使用黄瓜和小黄瓜编写所有Ruby代码，测试自动化工程师已经为他的保留节目添加了一些测试自动化工具和测试技能，但仍然是开发人员。他与Quality Assurance合作，帮助确保应用程序尽可能没有错误。而且，由于质量保证人员通常不是开发人员，他可以通过将开发专业知识带给团队的其他成员来帮助其他质量保证人员无法做到。
简而言之，测试自动化工程师是一名与质量保证合作的开发人员。
当然，这不是唯一的例子。看看DevOps。 DevOps Engineer是一名从事IT运营的软件开发人员。或者看看我做了什么。我是开发者布道者。我是一名在社区工作的开发人员。这些都只是与其他领域混合的开发人员。
那些与数据科学合作的开发人员呢？好吧，那叫做AI工程师。如果您是一位对数据科学和机器学习充满热情的开发人员，那么这就是您可能想要追求的道路。这是一个实用的解决方案，可以让您依靠数据科学家通常不具备的既定技能（即编写像老板这样的软件）。它可以让你玩所有很酷的新玩具。所有这一切都无需开始你的职业生涯。
因此，请留住开发人员并学习用于机器学习的工具。将它们与数据科学家一起使用，并依赖于他们依赖您的专业知识。每个人都赢了。而且，说实话，这是你真正想做的事情。
