需要了解

如果你正在考慮一個機器學習工程師的職業生涯，那么你應該明白兩件非常重要的事情。

首先，這不是一個“純粹的”學術角色。你不一定要有研究或學術背景。

其次，只有軟件工程或數據科學的經驗還不夠。理想的情況下，你需要同時擁有這兩種技能。

了解數據分析師和機器學習工程師之間的差異也至關重要。簡單來說，他們關鍵的區別與最終目標有關。作為數據分析師，您需要分析數據，以便講述故事，并產生可操作的見解。重點是傳播圖表，模型，可視化。分析由人類執行并呈現給其他人，然后他們可以根據所呈現的內容進行業務決策。這一點尤為重要 - 您的輸出的“觀眾”是人。

另一方面，作為機器學習工程師，您的最終“輸出”是工作軟件，您的“受眾”對于此輸出通常由其他軟件組件以最少的人力監督自主運行。產生出的智能仍然是可操作的，但在機器學習模型中，機器正在做出決策，影響產品或服務的行為。這就是為什么軟件工程技能對于機器學習的事業來說非常重要。

理解生態

在進入具體的技能之前，還有一個要解決的概念。作為機器學習工程師需要了解您正在設計的整個生態系統。假設您正在為一家雜貨連鎖店工作，該公司希望根據以往購買客戶的歷史記錄開始發行目標優惠券，目的是產生購物者實際使用的優惠券。在數據分析模型中，您可以收集采購數據，進行分析以確定趨勢，然后提出策略。機器學習方法將是編寫自動優惠券生成系統。但是寫這個系統需要什么，并且有效嗎？您必須了解整個生態系統的庫存，目錄，定價，采購訂單，單據生成，銷售點軟件，CRM軟件等。

現在，我們來了解一下機器學習工程師所需要的真實細節。分為三個主要部分：技能摘要，語言和庫，工程實現。

技能摘要

計算機基礎和編程。計算機科學基礎對于機器學習工程師來說重要，包括數據結構（堆棧，隊列，多維數組，樹，圖等），算法（搜索，排序，優化，動態規劃等），可計算性和復雜性（P vs NP，NP完整問題，大O符號，近似算法等）和計算機體系結構（內存，緩存，帶寬，死鎖，分布式處理等）。

編程時，您必須能夠應用，實施，調整或解決它們（如適用）。練習問題和編碼比賽是磨練你的技能的好方法。

概率統計。概率（條件概率，貝葉斯規則，似然性，獨立性等）和從其衍生的技術（貝葉斯網絡，馬爾可夫決定過程，隱馬爾可夫模型等）的形式表征是許多機器學習算法的核心; 這些是處理現實世界不確定性的手段。

統計學領域提供各種措施（平均值，中位數，方差等），分布（統一，正態，二項式，泊松等）和分析方法（方差分析，假設檢驗等） 這是從觀測數據建立和驗證模型所必需的。許多機器學習算法本質上是統計建模過程的擴展。

數據建模和評估。數據建模是估計給定數據集的基礎結構的過程，其目的是找到有用的模式（相關性，聚類，特征向量等）和/或預測以前看不見的實例（分類，回歸，異常檢測等）的屬性。這個估計過程的關鍵部分是不斷評估給定模型的好壞。

根據手頭的任務，您將需要選擇適當的準確度/誤差測量（例如分類的對數損失，回歸的平方誤差等）和評估策略（訓練分析，順序 vs.隨機交叉驗證等）。

迭代學習算法通常直接利用產生的錯誤來調整模型（例如神經網絡的反向傳播），所以理解這些措施相比于僅僅應用標準算法是非常重要的。

應用機器學習算法和庫

機器學習算法的標準實現通過庫/包/ API廣泛提供（例如，scikit-learn，Theano，Spark MLlib，H2O，TensorFlow等），但是有效地應用它們涉及選擇合適的模型（決策樹，最近鄰，神經網絡，支持向量機，混合模型等），擬合數據的學習過程（線性回歸，梯度下降，遺傳算法，bagging，boosting和其他模型特定方法），以及了解超參數如何影響學習。

還需要了解不同方法的相對優點和缺點，以及一些其他的概念（偏差和方差，過擬合和欠擬合，缺失數據，數據泄漏等）。數據科學和機器學習的挑戰，如Kaggle的挑戰，是一個接觸不同種類的問題及其細微差別的很好的方式。

軟件工程和系統設計

在任務結束時，機器學習工程師的典型輸出或可交付成果是軟件。通常它是一個適合更大的產品和服務生態系統的小部件。當然，大的公司，這部分可能交付給軟件研發工程師來做。

您需要了解這些不同的部分如何協同工作，與他們進行溝通（使用庫調用，REST API，數據庫查詢等），并為您的組件構建適合的接口以供其他人依賴。這可能需要謹慎的系統設計以避免瓶頸，并且隨著數據量的增加，您的算法可以很好地擴展。軟件工程最佳實踐（包括需求分析，系統設計，模塊化，版本控制，測試，文檔等）對于生產力，協作，質量和可維護性是無價的。