目錄表

1. 介紹
2. 機(jī)器學(xué)習(xí)工程師
3. 自然語(yǔ)言處理工程師
4. 數(shù)據(jù)工程師
5. 數(shù)據(jù)科學(xué)家
6. 摘要
7. 參考文獻(xiàn)

介紹

When looking at data scientist salaries and data science roles, it became obvious that there are different, more specific facets within data science. These facets relate to unique job positions, specifically, machine learning operations, NLP, data engineering, and data science itself. Of course, there are even more specific positions than these, but these can give you a general summary of what to expect if you land a job in one of these positions. I wanted to pick these four roles, too, because they can be separated well, almost as if it was there was a clustering algorithm that found jobs that were the most different between one another but that were also in the same population. Below, I will be discussing the average base pay with a low and high range, as well as respective seniority levels, the number of estimates used to determine these numbers, and expected skills and experiences for each role.

機(jī)器學(xué)習(xí)工程師

機(jī)器學(xué)習(xí)工程師傾向于將已經(jīng)研究和構(gòu)建的數(shù)據(jù)科學(xué)模型應(yīng)用到生產(chǎn)環(huán)境中，通常包括軟件工程和機(jī)器學(xué)習(xí)算法知識(shí)。話雖如此，你可以想象得到相當(dāng)不錯(cuò)的薪水。這個(gè)特別的估計(jì)來(lái)自于GlassDoor[3]。

根據(jù)大約1900提交的工資，有以下廣泛的范圍：

• 低-~86000美元
• 平均-~$12.8,000
• 高-~190000美元

正如你所看到的，這是一個(gè)范圍，就像任何職位一樣，你的經(jīng)驗(yàn)越多，工資越高也就不足為奇了。除了多年的經(jīng)驗(yàn)，你工作的州，你雇用的技能，公司也會(huì)努力創(chuàng)造最終的工資數(shù)額--所有這些職位都是如此。為了獲得更多的粒度，我們可以查看不同的資歷級(jí)別，以便了解級(jí)別的增加與工資數(shù)額的關(guān)系：

• 機(jī)器學(xué)習(xí)工程師 L2~$128,000
• 高級(jí)機(jī)器學(xué)習(xí)器L3~153,000美元
• 機(jī)器學(xué)習(xí)L4領(lǐng)導(dǎo)者~166,000美元

以下是一些來(lái)自個(gè)人經(jīng)驗(yàn)的技能，您可以期望在機(jī)器學(xué)習(xí)職位上使用：

• SQL/Python/Java(有時(shí))
• 算法知識(shí)-無(wú)監(jiān)督和有監(jiān)督分類(lèi)、時(shí)間序列、回歸以及封裝它們的流行庫(kù)之間的區(qū)別
• 部署平臺(tái)和工具-AWS、Google Cloud、Azure、Docker、Flask、MLFlow和Airflow-部署模型并與數(shù)據(jù)科學(xué)家合作組成自動(dòng)化流程

自然語(yǔ)言處理工程師

通常被稱(chēng)為NLP工程師，這個(gè)角色通常專(zhuān)注于將數(shù)據(jù)科學(xué)模型或機(jī)器學(xué)習(xí)算法應(yīng)用于文本數(shù)據(jù)。NLP工作的一些例子是主題建模、大量文本、語(yǔ)義分析和chatbot代理。話雖如此，你也可以想象出相當(dāng)不錯(cuò)的工資--然而，這個(gè)工資細(xì)目將低于機(jī)器學(xué)習(xí)工程師，很可能是因?yàn)檫@個(gè)角色不太包容，更專(zhuān)注于數(shù)據(jù)科學(xué)中的特定主題。這個(gè)特別的估計(jì)也來(lái)自于Glassdoor[5]。

根據(jù)大約20提交的工資，有以下廣泛的范圍：

值得注意的是，報(bào)告的工資數(shù)額相當(dāng)?shù)?，所以?duì)這個(gè)范圍持懷疑態(tài)度，但盡管如此，對(duì)這個(gè)工資仍然有很高的信心。

• 低-~$80,000
• 平均-~$11.5,000
• 高-~166,000美元

所有這些數(shù)量都低于機(jī)器學(xué)習(xí)，然而，與大多數(shù)其他角色相比，它們?nèi)匀幌喈?dāng)高。

以下是一些來(lái)自個(gè)人經(jīng)驗(yàn)的技能，你可以期望在自然語(yǔ)言處理工程師的職位上使用：

• NLTK-自然語(yǔ)言工具箱庫(kù)
• TextBlob
• 斯帕西
• 文本清理和處理(R情緒化標(biāo)點(diǎn)符號(hào)、刪除停用詞、分離單詞的詞根、詞根和引理化)
• 語(yǔ)義分析-一個(gè)例子是分析來(lái)自客戶(hù)的正面和負(fù)面評(píng)論
• 主題建模-一個(gè)例子是在大量文本中發(fā)現(xiàn)共同的主題，就像客戶(hù)評(píng)論一樣，但不僅僅是好的或壞的評(píng)論，而是可以分析產(chǎn)品改進(jìn)的評(píng)論主題:“質(zhì)量差”與90%的負(fù)面評(píng)論有關(guān)。
• 分類(lèi)-使用像隨機(jī)森林這樣的算法將傳統(tǒng)的數(shù)字特征和像描述這樣的文本特征結(jié)合起來(lái)，創(chuàng)建一個(gè)將數(shù)據(jù)分組在一起的模型--像客戶(hù)分割一樣

數(shù)據(jù)工程師

也許一個(gè)更常見(jiàn)的角色是數(shù)據(jù)工程，它與數(shù)據(jù)科學(xué)比在數(shù)據(jù)科學(xué)之下更相關(guān)。然而，這個(gè)角色對(duì)數(shù)據(jù)科學(xué)工作來(lái)說(shuō)仍然至關(guān)重要，有時(shí)，數(shù)據(jù)科學(xué)家可以期望知道數(shù)據(jù)工程師所知道的大部分內(nèi)容，所以我將在本文分析中包括它。數(shù)據(jù)工程的一些示例包括創(chuàng)建存儲(chǔ)最終用于數(shù)據(jù)科學(xué)模型的數(shù)據(jù)的ETL作業(yè)，以及自動(dòng)存儲(chǔ)模型結(jié)果和執(zhí)行查詢(xún)優(yōu)化。這個(gè)特別的估計(jì)也來(lái)自于Glassdoor[7]。

根據(jù)大約~6,800提交的工資，有以下廣泛的范圍：

• 低-~76000美元
• 平均-~$11,000
• 高-~164,000美元

這個(gè)范圍更類(lèi)似于自然語(yǔ)言處理工程師的角色，然而，它可能與日常工作中的實(shí)際工作角色相距最遠(yuǎn)。同樣重要的是要注意，這個(gè)職位涉及到相當(dāng)多的估計(jì)。

以下是一些來(lái)自個(gè)人經(jīng)驗(yàn)的技能，您可以期望在數(shù)據(jù)工程師職位上使用：

• etl-提取、轉(zhuǎn)換和加載
• elt-提取、加載和轉(zhuǎn)換
• 獲取將存儲(chǔ)在數(shù)據(jù)庫(kù)或數(shù)據(jù)湖中的數(shù)據(jù)，這些數(shù)據(jù)可以被查詢(xún)用于數(shù)據(jù)分析，查詢(xún)用于機(jī)器學(xué)習(xí)算法訓(xùn)練，并用于存儲(chǔ)數(shù)據(jù)科學(xué)模型結(jié)果
• 優(yōu)化SQL查詢(xún)-節(jié)省公司的時(shí)間和金錢(qián)

數(shù)據(jù)科學(xué)家

最后，但并非最不重要的，是數(shù)據(jù)科學(xué)家的角色。雖然這個(gè)角色看起來(lái)是最一般的，但實(shí)際上也可以是具體的，通常主要由模型構(gòu)建過(guò)程組成--有時(shí)需要數(shù)據(jù)工程和機(jī)器學(xué)習(xí)工程師操作，但可能性較小--但仍然可能涉及自然語(yǔ)言處理方面的專(zhuān)業(yè)(通常如果重點(diǎn)是NLP，那么數(shù)據(jù)科學(xué)家將以此為標(biāo)題--但不是一直)。這個(gè)角色還可以有更多的可變性，所以我們也可以期待一個(gè)廣泛的范圍。這個(gè)特別的估計(jì)也來(lái)自于Glassdoor[9]。

根據(jù)大約~16,200提交的工資，有以下廣泛的范圍：

• 低-~81,000美元
• 平均-~$11.5,000
• 高-~164,000美元

出人意料地低于預(yù)期，這一角色在本分析中的大多數(shù)其他角色附近。話雖如此，它可能是對(duì)離群值最真實(shí)和穩(wěn)健的，因?yàn)樗瞧駷橹固峤粊?lái)組成這些工資數(shù)額的最多的工資數(shù)額。

以下是一些來(lái)自個(gè)人經(jīng)驗(yàn)的技能，您可以期望在數(shù)據(jù)科學(xué)職位上使用：

• SQL,Python,R
• Jupyter筆記本
• 可視化-Tableau、庫(kù)和包、Google Data Studio、Looker等
• 定義問(wèn)題陳述、獲取數(shù)據(jù)集、特征工程、模型比較、模型部署和結(jié)果討論
• 示例項(xiàng)目-創(chuàng)建一個(gè)分類(lèi)器，根據(jù)幾個(gè)特性對(duì)公司產(chǎn)品進(jìn)行分組，并使用SQL和Python從各種來(lái)源獲取數(shù)據(jù)，以及部署模型和解釋結(jié)果及其對(duì)公司的影響

摘要

While these roles can have several similarities and differences, the same can be said about their salary ranges. Nearly three of the four salaries were similar, with one standing out. That role was machine learning engineer —why is that?My understanding is that this role requires a knowledge of most data science concepts, and especially their output, as well the software engineering involved around deployment — that is a lot to know and employ, so it makes sense why a role that composes both software engineering and data science pays so well. In addition to the salary breakdown of each data science role — or similar to data science in some way, were the skills that you can expect to employ, so that you can have a better idea of the role and how that relates to the salary amount.

總結(jié)一下，以下是我們分析的四個(gè)職位，以及你可以期望使用的技能：

* 機(jī)器學(xué)習(xí)工程師
* 自然語(yǔ)言處理工程師
* 數(shù)據(jù)工程師
* 數(shù)據(jù)科學(xué)家

我希望你覺(jué)得我的文章既有趣又有用。如果你同意這些數(shù)字和范圍，請(qǐng)隨時(shí)在下面發(fā)表評(píng)論--為什么或?yàn)槭裁床?？你認(rèn)為有一個(gè)角色，尤其是，離現(xiàn)實(shí)如此之遠(yuǎn)嗎？你還能想到哪些數(shù)據(jù)科學(xué)角色會(huì)有不同的工資細(xì)分嗎？一個(gè)角色的其他因素會(huì)影響薪水嗎？

這些薪金是在美國(guó)報(bào)告的，因此它們是以美元數(shù)額計(jì)算的。我與這些公司中的任何一家都沒(méi)有關(guān)聯(lián)。

請(qǐng)隨時(shí)查看我的個(gè)人資料和其他文章，并在LinkedIn上聯(lián)系我。

參考文獻(xiàn)

[1] Photo byThought CatalogonUnsplash, (2018)

[2]Photo Byassed PhotographyonUnsplash,（2018）

[3]Glassdoor,Inc.,機(jī)器學(xué)習(xí)工程師工資，(2008-2021)

[4]Photo Bybatrick TomassoonUnsplash,（2016）

[5]Glassdoor,Inc.自然語(yǔ)言處理工程師工資，(2008-2021)

[6]Caspar Camille RubinonUnsplash的照片，(2017)

[7]Glassdoor,Inc.,數(shù)據(jù)工程師工資，(2008-2021)

[8]照片byDaria NepriakhinaonUnsplash，(2017)

[9]Glassdoor,Inc.,數(shù)據(jù)科學(xué)家工資，(2008-2021)

Bio: Matthew Przybyla is Senior 數(shù)據(jù)科學(xué)家 at Favor Delivery, and a freelance technical writer, especially in data science.

原創(chuàng)。經(jīng)允許轉(zhuǎn)發(fā)。

相關(guān):

• 數(shù)據(jù)科學(xué)家 vs 數(shù)據(jù)工程師 Salary
• 數(shù)據(jù)科學(xué)家 vs 機(jī)器學(xué)習(xí)工程師 – what are their skills?
• The Most In-Demand Skills for 數(shù)據(jù)科學(xué)家s in 2021