内容
带走：
机器学习工程师（MLE）承担着多种职责。他们中的许多人与机器学习生命周期以及通过规定的流程处理给定机器学习项目的一般工作有关。
机器学习工程师（MLE）是为希望从机器学习和人工智能功能中受益的企业工作的团队的关键部分。
通常，这些专业人员是周围一些最强大技术的守护者。
让我们更多地了解技术领域的机器学习专业人员的MLE，他们与我们讨论了担任这些职位之一的意义。
一些机器学习工程师基础知识
机器学习工程师必须从最基本的角度了解这些项目如何组合在一起以及如何完成工作。 （阅读机器学习101。）
“由机器学习工程师负责启动并运行基于机器学习的解决方案，” KNIME首席数据科学家Rosaria Silipo博士说。 “这涉及将机器学习算法集成到项目中的一些编程，以及将最终解决方案部署到生产中的一些IT经验。”
Silipo建议，在机器学习中的实际实践经验会走很长一段路，因为它将解决故障排除的能力。
Silipo说：“期望机器学习工程师具备足够的机器学习知识，以了解算法在应用程序中的作用并解决潜在的陷阱和故障。”
这就是其中一些编程和数学技能的用武之地。MLE经常想了解Python之类的编程语言，并且非常熟悉餐后数学技巧。 （阅读R和Python之间的辩论。）
没有错误，没有压力-在不破坏生活的情况下创建可改变生活的软件的分步指南
当没有人关心软件质量时，您就无法提高编程技能。
机器学习工程师的更多投入
有些人在公司与机器学习工程师的合作方式中占有一席之地，这也反映出这样的观点，即这些专业人员在商业世界中具有独特的实力。
Zety机器学习和市场营销自动化专家Maciej Baranowski表示：“机器学习工程师是顶尖的程序员，他们设计的自运行软件可以在自动驾驶仪上学习和应用知识，而无需人工干预。”
Baranowski建议，基于与时间效率有关的特定公司目标，对机器学习工程师的需求很大。
巴拉诺夫斯基说：“公司要处理一大堆数据，如果他们手动进行处理，就好像试图在一小时内观看13部《星际迷航》电影一样。”
ScienceSoft的数据分析部门主管Alex Bekker对机器学习工程师的工作做了更平淡的描述。
Bekker说：“机器学习工程师负责准备训练ML模型所需的数据（例如，他们会增加数据并减少噪声），并使用ML模型。”他描述了自己团队中的工作方式。 “后者意味着设计模型，选择相关的激活和优化功能，调整模型的超参数，训练和重新训练模型，确保模型将信号与噪声区分开等等。” “
他说，使用机器学习模型涉及到许多高级任务，涵盖了开发的生命周期。
了解一些风险
这是了解机器学习工程师所做的事情并了解它们在机器学习项目的企业生产中的重要性的另一种方法。
最近，美国司法部对前Google机器学习工程师Anthony Levandowski提出起诉，指控他将商业秘密形式的知识产权与他一起带给了Uber。
这是一个示例，其中无人驾驶汽车工程师在整个过程中拥有如此强大的力量，以至于他能够有效地从雇主那里窃取重要的商业秘密。
这说明了公司如何从根本上信任机器学习工程师，并赋予他们一定的过程控制权和访问敏感信息的能力。它们对于流程非常重要，因此公司必须仔细审查它们并进行必要的控制。
机器学习工程师的日常生活
语音识别技术公司Speechmatics的机器学习工程师David Khachaturov向我们详细介绍了机器学习工程师如何在实践中工作。
“作为一名机器学习工程师，很大一部分工作要紧跟AI / ML领域的最新发展-无论是在GitHub趋势页面上搜寻，疯狂刷新arXiv还是花太多时间浏览reddit.com/r/MachineLearning ”，哈恰图洛夫说。他们试图将面向研究的技术用于更多的商业弊端。这种重新调整的目的通常是增加原本的学术工作通常会缺乏的额外功能和可用性。”
他说，有时候，机器学习的重大突破很快就会出现。
他补充说：“在这些时候，机器学习工程师通常会加倍努力，并迅速尝试开发概念验证（PoC），以为其业务和客户增加极高的价值。” “如果PoC可以按预期工作，则可以充实成为全新产品。由于通过使用先进的机器学习获得了越来越多的技术杠杆，这在为公司内部和最终客户提供内部新机遇方面非常令人兴奋。”
Khachaturov还回顾了许多其他人也告诉我们的ML工程师，其中一些更乏味的工作涉及清理和管理数据。与持续的数据管理和处理需求相关的死记硬背的工作很多，尽管其中一些可以自动化，但其余的很快就不会消失。
Khachaturov说：“机器学习工程师应该为任何事情做好准备，从尝试将数据转换为正确的输入格式到编写自定义Web抓取工具。 “
我们学到了什么
希望这可以使您更好地了解ML工程师如何度过自己的时间。随着我们发挥ML的能力来改变我们的业务和生活，这一重要的工作角色将继续引起人们的广泛关注。