Quali figure lavorative dovrei avere in azienda per un team di data science e machine learning? Rispondiamo a questa domanda!
L’hype, la forte eccitazione, nei confronti delle intelligenze artificili è oggi più viva che mai.
Ecco quindi che raffreddare gli animi e fare chiarezza sulle reali figure lavorative connesse al mondo AI e Data Science, in un mondo nebuloso e contorto come il nostro è fondamentale!
In questo post vediamo 10 figure lavorative (AI Jobs) evidenziate da Cassie Kozyrkov, Head of Decision Intelligence presso… Google!
Data Engineer
Ormai lo sai: i dati sono fondamentali.
Organizzarne efficamente la raccolta è un task più complesso di quanto potresti pensare. Certo, per dataset contenuti, la figura del Data Engineer si limita a copiare qualche dato in un foglio di calcolo, ma quando iniziamo a maneggiare dataset a più vasta scala ecco che l’operazione di data engineering diviene una sofisticata disciplina.
Vuoi assumerti la responsabilità di fornire al team i dati di cui hanno bisogno? La scelta, spetta a te!
Decision-Maker
Il motivo per cui siamo così ossessionati dai dati è presto detto: le nostre decisioni devono essere ponderate.
Prima ancora di lavorare all’analisi dei dati, e sviluppare modelli di machine learning è importante sviscerare la filosofia di data-driven-decision-making, ovvero decisioni giustificate da dati.
Caroline ritiene che la presa di decisioni, attente e puntuali, rappresenti un’abilità fondamentale, necessaria ancor prima che il team esamini i dati.
La figura del Decision-Maker è quindi incaricata di identificare le decisioni di valore, inquadrarle e determinarne il livello di rigore analitico richiesto usando il potenziale impatto sul business come principale metrica di riferimento.
In pratica? Un pensatore nato! Riflessivo, con un pizzico di spensieratezza, molta curiosità e la dose necessaria di follia.
Analyst
La laurea non fa di te un analista. Chiunque è potenzialmente in grado di estrarre informazioni dai dati.
Un analista è però capace di gestisce propriamente i migliori sistemi di analisi e visualizzazione.
Cassie ci ricorda la regola fondamentale: never trust your data.
Prima di saltare a conclusioni affrettate, limitati a consultare in modo oggettivo i tuoi dati. Bene, sei un analista.
Expert Analyst
Obiettivo velocità.
Un analista esperto scansiona in modo rapido un dataset, lo esplora e lo sviscera fornendo al Decision-Maker insights rilevanti su come procedere.
La qualità del codice, usato per raggiungere l’obiettivo, è trascurabile. Ciò che davvero importa è la rapidtà con cui le informazioni sono raccolte.
Nell’analisi statistica descrittiva è importante il prodotto. A nessuno interessa quale codice lo abbia generato.
Statistiscian
I dati devono poterci ispirare, ma mai condizionare. Un limite sottile che uno statista conosce bene. La sua figura coadiuva il Decision-Maker a raggiungere conclusioni attendibili al di là dei dati, cogliendo ciò che a molti sfuggerebbe.
Prevedere le performance di un sistema di machine learning in produzione, quando ancora è in fase di sviluppi richiede le conoscenze avanzate che uno statista ha.
Applied Machine Learning Engineer
Puoi scaldare un piatto senza sapere come funziona il magnetron di microonde.
Un applied machine learning engineer non ha bisogno di sapere come funziona un algoritmo, deve saperlo implementare e usare al meglio.
Ovviamente la conoscenza del funzionamento degli algortimi usati è un valore aggiunto, ma non fondametale.
La costruzione deli aglortimi è attività dei ricercatori.
Sei compatibile con questa figura se accetti il fallimento: quasi sempre avrai le mani su una black box. Cosa succede al suo interno?
Devi fidarti.
Fiducia e codice non vanno mai daccordo.
Un Applied Machine Learnign Engineer fa confluire dati su diferenti algoritmi fin quando quello giusto si palesa.
Perfezione e ordine sono altrove.
Centinaia di tentativi e poi finalmente la risposta che aspettavi. Devi imparare a gestire bene i tempi e stimare con precisione quelli richiesti.
Data Scientist
Eccoti qui.
Il perfetto data scientist è un unicorno, la combinazione di:
- applied machine learning engineer
- statistician
- expert analyst
Come spesso accade, la definizione di Data Scientist è mutevole.
In linea generale però, queste sono le competenze davvero richieste.
Analytics Manager / Data Science Leader
L’analytics Manager è tra le figure lavorative quella più articolata. Rappresenta l’intersezione tra la figura del decision-maker e quella del data scientist.
E’ un moltiplicatore di forza, capace di mantenere alto il rendimento.
Porta la torcia e le batterie per guidare tutto il team fuori dalla grotta.
Ha la mappa per raggiungere l’obiettivo.
Figure rare e preziose.
Devi svegliarti nel cuore della notte chiedendoti: “Come elaboriamo le giuste domande?”
E mentre sei al supermercato: “Come allochiamo i nostri esperti?”
Mentre guidi lo space shuttle al rientro in atmosfera: “Come ci assicuriamo buoni dati?”
Qualitative Expert / Social Scientist
Tra le figure lavorative, il Qualitative Expert è colui che coadiuva il decision-maker fornendo assistenza.
Chiarifica le idee, esplora nuovi punti di vista e trasforma intuizioni ambigue in pensieri articolati facilmente comprensibili al resto del team.
E’ un interprete.
Researcher
Un ricercatore è un produttore, un costruttore. Crea algoritmi.
Questo fa di lui una figura certamente competente ma molto focalizzata e verticale.
Prima di pensare a costruire strumenti nuovi, è bene assicurarsi che quelli esistenti non siano sufficienti.
E l’ultima figura di questo post!
Conclusione e novità
Spero che l’articolo ti sia piaciuto, e lo abbia trovato interessante almeno quanto me!
Approfitto dell’occasione per informarti anche di alcune novità.
Come puoi vedere la veste grafica del sito è stata rivista. Ho cambiato alcuni particolari, arrotondato i bordi e dato risalto alle immagini e al testo.
Cambiato i colori ed evidenziato le citazioni motivazionali.
In più, ho configurato MailChimp per creare una lista di contatti a cui inviare contenuti settimanali privati e di valore.
Che aspetti?
Una persona motivata come te non può lasciarsi sfuggire un’occasione simile!
Un caldo abbraccio, Andrea.
3 Comments
[…] Diventando dei Data Scientist Full-Stack. […]
[…] è quello di fornire ai al team AI aziendale uno strumento in grado di produrre insights sul funzionamento nascosto dei sistemi […]
[…] In conclusione, una posizione simile a quella di un machine learning engineer. […]