数据身为一名数据科学家“过来人”，我为什么更建议你去做软件工程师( 二 )
相比之下 ， 当软件工程团队的好处之一就是你有机会对同事说：“我认为我们应该以XYZ方式实施ABC 。 你怎么看？” 。
4. 数据科学是偏探索性质的工种 ， 不保证结果
你准备好跟你的老板解释为啥过去两周以来的劳动成果不能用于提高业务了么？这种尴尬的对话时常会发生 。
解决已知的问题或是未知问题是软件开发与AI之间的根本区别之一 。
暂且不谈代码问题和其他限制 ， 作为软件工程师 ， 在开始工作之前你大概知道大多数软件工程项目是否可行 。 但在建立一个ML模型之前你并不能知道该模型是否会有效 。
5. 公司还没有准备好使用AI
即使在“每个公司都是AI公司”的时代 ， 大多数公司没有支持AI的基础架构 ， 很多公司甚至不需要AI 。
一家快速扩展的初创公司的数据科学主管最近分享了一些建议 。
首先 ， 你要发现问题 ， 然后构建基础架构 ， 然后请数据科学家来解决问题 。 这不是一个可以快进的过程 。
最近 ， 另一家知名公司雇佣的第一位数据科学家向我抱怨到：她被迫在笔记本电脑而不是云端的大数据上训练AI模型 。
如果你没有特定的问题要解决 ， 或者公司没有做好数据科学战略的准备 ， 那么你很难体现自身的价值 。
6. 软件工程学习更普适的技能
成为初级软件工程师就像获得一个科技领域的MBA一样 。 你可以在很多方面都学到一点知识 。
你会学习数据库 ， 云技术 ， 部署 ， 安全性以及如何编写简洁的代码 。
通过敏捷大师 ， 高级开发人员或项目经理 ， 你将学习如何管理软件开发的过程 。
通过代码审查 ， 你将得到很多指导 。
如果你加入的公司拥有一支成熟的软件开发团队 ， 毫无疑问你会迅速提高自己的各项技能 。
7. 软件工程的经验更容易迁移
当你决定进行跳槽时 ， 软件工程可以提供更全面的技术经验 ， 从而给你更好的就业机会 。
DevOps ， 安全性 ， 前端 ， 后端 ， 分布式系统 ， 商业智能 ， 数据工程 ， 数据科学…
我知道许多从软件转向数据科学的开发人员 。 如果你搜索数据科学的职位描述 ， 你会发现它们包括了很多核心的软件开发技能 。 
图片
资料来源：Indeed（我精选了资料来源）
如果你可以搭建端到端的项目 ， 那么除了为Kaggle构建模型外 ， 你还可以做更多的事情 。 你可以搭建一个模型 ， 进行生产化 ， 设置授权和Stripe（线上支付） ， 然后开始向访问用户收费 。 那么你已经可以做自己的创业公司了 。
我不是说数据科学的经验不适合迁移 。 根据数据做决定是一项重要的技能 。 但是随着社会变得越来越受数据驱动 ， 这种技能也将成为每一项工作的一部分 。
8. 机器学习将成为软件工程师的一项工具
随着AI的商品化和使用简化 ， 软件工程师将开始使用AI来解决他们的问题 。
我可以用一下午教一位开发人员如何构建Sklearn分类器 。 这并不意味着他们可以构建出下一个AlphaGo ， 但这确实为他们提供了一种可替代基于用户输入的条件逻辑编码的方法 。
数据科学家具有关于统计以及模型工作原理的专业知识和直觉 。 但是运维和安全工程师也有他们自己的专业知识 。
我认为这几者的相同比不同更加普遍 。 经验丰富的软件专业人员可以在不同专业之间迁移 ， 其适应速度可以比新入职者更快 。
虽然我不认为数据科学会完全整合到软件工程中 ， 但我确实感觉数据科学可能会成为另一个软件工程专业 。
9. 人工智能不能取代软件工程师
因为担心AI会取代其他工作 ， 我于2014年进入软件工程领域 。 
图片
自那以后 ， AI并没有像我想象得那样快速发展 。 技术的场景落地速度很慢 ， 而AI的使用范围也远没有媒体所宣传得那么广 。
推荐阅读
- 人群中国科学家通过古人基因组数据探寻中国文明源流
- 镜头|一名优秀的人像摄影师，手里一定拥有这5款镜头
- 联想|联想个人云存储Mac版上线 苹果电脑用户数据备份更便捷
- 信息史上最全SpaceX火箭数据开源，核心、组员舱、起落架、发射信息全都有！
- 云创|真旺（徐州）大数据总经理李华领一行到访云创
- 主题马蜂窝大数据：大人小孩一起过“六一”，主题公园最受欢迎
- |6大数据可视化应用设计规范
- 链上|链上数据5月扫描：10000美元阻力下的链上百态
- 孜然实验室|DNA存储器突破了理论极限，一部手机装下全世界的数据
- 数据驶向智能海洋深处，华为存储的无尽想象