99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁大數(shù)據(jù)時(shí)代數(shù)據(jù)科學(xué)頂級職位的薪酬細(xì)分
數(shù)據(jù)科學(xué)頂級職位的薪酬細(xì)分
2022-02-21
收藏


目錄表


  1. 介紹
  2. 機(jī)器學(xué)習(xí)工程師
  3. 自然語言處理工程師
  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。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)來自于GlassDoor[3]。


根據(jù)大約1900提交的工資,有以下廣泛的范圍:


  • -~86000美元
  • 平均-~$12.8,000
  • -~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別,以便了解級別的增加與工資數(shù)額的關(guān)系:


以下是一些來自個(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-無監(jiān)督有監(jiān)督分類、時(shí)間序列、回歸以及封裝它們的流行庫之間的區(qū)別
  • 部署平臺和工具-AWS、Google Cloud、Azure、Docker、Flask、MLFlow和Airflow-部署模型并與數(shù)據(jù)科學(xué)家合作組成自動化流程

自然語言處理工程師



通常被稱為NLP工程師,這個(gè)角色通常專注于將數(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)停詫@個(gè)范圍持懷疑態(tài)度,但盡管如此,對這個(gè)工資仍然有很高的信心。

  • -~$80,000
  • 平均-~$11.5,000
  • -~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。


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


  • NLTK-自然語言工具箱庫
  • TextBlob
  • 斯帕西
  • 文本清理和處理(R情緒化標(biāo)點(diǎn)符號、刪除停用詞、分離單詞的詞根、詞根和引理化)
  • 語義分析-一個(gè)例子是分析來自客戶的正面和負(fù)面評論
  • 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,就像客戶評論一樣,但不僅僅是好的或壞的評論,而是可以分析產(chǎn)品改進(jìn)的評論主題:“質(zhì)量差”與90%的負(fù)面評論有關(guān)。
  • 分類-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,創(chuàng)建一個(gè)將數(shù)據(jù)分組在一起的模型--像客戶分割一樣

數(shù)據(jù)工程師



也許一個(gè)更常見的角色是數(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)角色對數(shù)據(jù)科學(xué)工作來說仍然至關(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),以及自動存儲模型結(jié)果和執(zhí)行查詢優(yōu)化。這個(gè)特別的估計(jì)也來自于Glassdoor[7]。


根據(jù)大約~6,800提交的工資,有以下廣泛的范圍:


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

這個(gè)范圍更類似于自然語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
  • 獲取將存儲在數(shù)據(jù)庫或數(shù)據(jù)湖中的數(shù)據(jù),這些數(shù)據(jù)可以被查詢用于數(shù)據(jù)分析,查詢用于機(jī)器學(xué)習(xí)算法訓(xùn)練,并用于存儲數(shù)據(jù)科學(xué)模型結(jié)果
  • 優(yōu)化SQL查詢-節(jié)省公司的時(shí)間和金錢

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言處理方面的專業(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)也來自于Glassdoor[9]。


根據(jù)大約~16,200提交的工資,有以下廣泛的范圍:


  • -~81,000美元
  • 平均-~$11.5,000
  • -~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,它可能是對離群值最真實(shí)和穩(wěn)健的,因?yàn)樗瞧駷橹固峤粊斫M成這些工資數(shù)額的最多的工資數(shù)額。


以下是一些來自個(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、庫和包、Google Data Studio、Looker等
  • 定義問題陳述、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)分類器,根據(jù)幾個(gè)特性對公司產(chǎn)品進(jìn)行分組,并使用SQL和Python從各種來源獲取數(shù)據(jù),以及部署模型和解釋結(jié)果及其對公司的影響

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,請隨時(shí)在下面發(fā)表評論--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)角色會有不同的工資細(xì)分嗎?一個(gè)角色的其他因素會影響薪水嗎?

這些薪金是在美國報(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有關(guān)聯(lián)。

請隨時(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

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }