原文：
www.kdnuggets.com/2021/08/difference-between-data-scientists-ml-engineers.html
评论
图片由 Stillness InMotion 提供，来源于 Unsplash
1. 谷歌网络安全证书 - 快速进入网络安全职业。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织在 IT 领域
数据科学家和机器学习工程师的角色之间常常存在混淆。虽然他们肯定会友好地合作，并且在专业知识和经验方面有一些重叠，但这两个角色服务于截然不同的目的。
实际上，我们正在区分那些寻求理解其工作背后科学的科学家和那些寻求构建可以被他人访问的事物的工程师。这两个角色都极其重要，在一些公司中，角色是可以互换的——例如，某些组织的数据显示科学家可能会执行机器学习工程师的工作，反之亦然。
为了明确区分，我将差异分为 3 类：1）职责 2）专业知识 3）薪资预期。
数据科学家遵循数据科学过程，这也可以称为 Blitzstein 和 Pfister 工作流。Blitzstein 和 Pfister 最初创建了这个框架，旨在教导 哈佛 CS 109 课程的学生如何处理数据科学问题。
数据科学过程包括 5 个关键阶段
-
阶段 1： 理解业务问题
-
阶段 2： 数据收集
-
阶段 3： 数据清理与探索
-
阶段 4： 模型构建
-
阶段 5： 传达和可视化见解
数据科学家所做的大多数工作都是在研究环境中进行的。在这个环境中，数据科学家执行任务以更好地理解数据，从而构建能够最佳捕捉数据固有模式的模型。一旦他们构建了一个模型，下一步就是评估它是否达到项目的预期结果。如果没有，他们将迭代地重复这个过程，直到模型达到预期结果，然后将其交给机器学习工程师。
机器学习工程师负责创建和维护机器学习基础设施，使其能够将数据科学家构建的模型部署到生产环境中。因此，机器学习工程师通常在开发环境中工作，他们关注的是在研究环境中重现数据科学家构建的机器学习流程。同时，他们在生产环境中工作，使模型可以被其他软件系统和/或客户访问。
从本质上讲，机器学习工程师负责维护机器学习基础设施，使其能够部署和扩展数据科学家构建的模型。而数据科学家则是使用机器学习工程师构建的机器学习基础设施的用户。
人们对这两个角色之间的区别感到困惑的原因在于，它们的技能有很多重叠的地方。例如，数据科学家和机器学习工程师都被期望具备良好的知识；
-
监督学习与无监督学习
-
机器学习与预测建模
-
数学和统计学
-
Python（或 R）
角色之间的主要重叠导致一些组织，特别是较小的组织和初创公司，将这些角色合并为一个。因此，一些组织让数据科学家做机器学习工程师的工作，而一些则让机器学习工程师做数据科学家的工作。这只会导致从业者之间的更多困惑。
然而，这两个角色所需的专业知识之间还是存在一些关键区别。
数据科学家通常是极其优秀的数据讲述者。有些人认为，这一特质使他们比机器学习工程师更具创造力。另一个区别是，数据科学家可能使用像 PowerBI 和 Tableau 这样的工具来向业务部门分享见解，他们不一定需要使用机器学习。
弥补对方不足的伴侣通常更强。当你这样考虑时，前面提到的专业知识可能是机器学习工程师的薄弱点，他们被期望在计算机科学和软件工程方面有坚实的基础。机器学习工程师需要了解数据结构和算法，并理解创建可交付软件所需的基本组件。
尽管如此，机器学习工程师通常也能很好地掌握其他编程语言，如 Java、C++ 或 Julia。
精确确定薪资期望是困难的。两个职位的薪资因多种因素而异，例如你的经验、资质、所在地点以及你所在的行业。
组织还预计提供各种福利。无论职位如何，你可以期待加入公司养老保险计划、灵活或远程工作、绩效奖金和私人医疗保险。
联合王国（UK）
-
初级数据科学家的起薪范围为£25,000 — £30,000（根据经验可能涨至£40,000）。 [来源: Prospects]。毕业生或入门级机器学习工程师的起薪为£35,000 — £40,000。 [来源: Prospects]
-
根据 Glassdoor，在英国，数据科学家的平均薪资为£46,818。 Prospects 指出，在英国，机器学习工程师的平均薪资为£52,000。
-
根据 Prospects，高级和首席数据科学家的薪资通常超过£60,000（在某些情况下超过£100,000）。相比之下，经验更丰富的机器学习工程师可以期待获得高达£170,000的薪资（特别是如果他们为像谷歌或脸书这样的跨国公司工作） [来源: Prospects]。
美利坚合众国（USA）
总的来说，机器学习工程师的薪资通常比数据科学家高，平均而言。
尽管这两个职位有许多相似之处，但数据科学家和机器学习工程师在职责、专业技能和薪资方面差异很大。根据我听过的大多数相关访谈，许多人认为从数据科学家转型为机器学习工程师比从机器学习工程师转型为数据科学家要困难得多。这是因为数据科学家通常不熟悉软件工程和计算机科学基础，这是一大学习曲线。
感谢阅读！
如果你喜欢这篇文章，可以通过订阅我的免费每周通讯来与我联系。不要错过我关于人工智能、数据科学和自由职业的任何文章。
简介：Kurtis Pykes 是一名机器学习工程师，数据科学领域的顶级作者，也是 Upwork 的顶级自由职业者。关注他的Medium 博客。
原文。经许可转载。
相关：
-
我如何在 8 个月内提升我的数据科学技能
-
最重要的数据科学项目
-
我希望在数据科学职业生涯中避免的 5 个错误