北美求职60秒：机器学习工程师（MLE）需要掌握哪些技能？（11月第1周）

本期话题，带你了解“ 机器学习工程师（MLE）需要掌握哪些技能？”

大家好！欢迎观看由AI聘Youtube频道发布的全新改版后的北美职场分析类栏目“北美求职60秒”。关注北美市场，聚焦数据、软件类求职，60秒解析北美求职疑惑，助力求职成功！

机器学习工程师（MLE）需要掌握哪些技能？

机器学习工程师（Machine Learning Engineer）从事机器学习工作，使用算法来分析数据并提高预测准确性，而无需人工干预。机器学习还与人工智能和深度学习密切有关，深度学习涉及使用深度数据集“思考”和解决复杂问题的人工神经网络。要想成为一个机器学习工程师，必须掌握计算机科学、数学、统计学、数据科学、深度学习等专业知识，还必须精通多种编程语言，如Python、R、Java等。通常情况下，MLE需要具备以下技能：

计算机科学基础和编程：构建数据结构(如堆栈、队列、多维数组)，应用算法(如搜索、排序、优化)，了解可计算性和复杂性(如P问题、NP问题、NP完全问题、近似算法)，并开发计算机架构(如内存、缓存、带宽)。

概率和统计：采用概率学(例如，贝叶斯网络、马尔可夫决策过程、隐马尔可夫模型)，计算统计度量和分布(例如，均匀、正态、二项式)，并应用分析方法(例如方差分析、假设检验)来观测数据建立和验证模型。

数据建模和评估：估计给定数据集的底层结构，找到有用的模式(如相关性和聚类)，预测未知实例的属性(如分类、回归)，选择适当的精度/误差度量(如对数-分类损失、回归误差平方和)，评估策略(例如，训练测试拆分、顺序交叉与随机交叉验证)。

机器学习算法和库：找到合适的模型来应用库、数据包和API(例如，Spark MLlib、TensorFlow)，创建适合数据的学习过程(例如，线性回归、梯度下降、遗传算法)，并了解不同方法的优缺点(例如，偏差和方差、缺失数据、数据泄漏)。

软件工程和系统设计：了解元素如何协同工作、与系统通信(例如，调用数据库、数据库查询)以及构建接口。

AI聘-独家数据类岗位追踪

我们来看一下进入2022年11月第1周，AI聘团队对于北美数据类岗位的每日发布情况的追踪数据：

• Data Analyst 数据分析师平均周中日更岗位数量达到20056，比前一周日均增加了414个岗位；增幅2.11%；
• Business Analyst 商业分析师达到6747，比前一周日均增加了2605个岗位；增幅62.89%；
• Product Analyst 产品分析师达到3804，比前一周日均增加了233个岗位；增幅6.52%；
• Marketing Analyst营销分析师达到3662，比前一周日均增加了361个岗位；增幅10.93%；
• Data Scientist 数据科学家达到17090，比前一周日均增加了280个岗位；增幅1.67%；

数据类岗位在上周大部分保持稳定并略有增长，其中商业分析师岗位有大幅上涨。但是在上周末和本周，Twitter和Meta两家大厂均出现了大幅裁员的情况，给市场打来了不小的悲观情绪。相信接下来一段时间市场需求会波动较大，建议有求职需求的小伙伴，要尽早完成申请。