Contact

Follow

  • medium-logo-black-transparent
  • Black Twitter Icon

66 95-460-8830

©2017 by Coraline

Please reload

Recent Posts

Machine Learning Engineer ต่างกับ Data Scientist อย่างไร

July 15, 2019

 

ในหลายๆ เว็บสมัครงาน (โดยเฉพาะ เว็บต่างประเทศ) จะมีตำแหน่ง Machine Learning Engineer แยกออกมาจากการเป็น Data Scientist ซึ่งแม้ว่า 2 ตำแหน่งงานนี้ จะมีคุณสมบัติพื้นฐานที่คล้ายกัน แต่มีลักษณะการทำงานที่แตกต่างกันโดยสิ้นเชิง

 

คุณสมบัติพื้นฐานของการเป็น Machine Learning Engineer และ Data Scientist คือ มีพื้นฐานด้านคณิตศาสตร์ และสามารถเขียนโปรแกรมที่ใช้สร้าง Model ทางคณิตศาสตร์ได้ ซึ่งนี่เป็นเพียงพื้นฐาน เพราะในการทำงานจริง จะมีทักษะเพิ่มเติมที่ต้องเก็บเกี่ยวในระหว่างที่ทำงาน

 

หน้าที่ของการเป็น Machine Learning Engineer คือ คนที่สร้าง Machine Learning รวมไปถึง สร้าง Model ประเภทอื่นๆ ส่วนใหญ่แล้ว จะเป็นคนที่นั่งอยู่หน้าคอมพิวเตอร์ และใข้ทักษะการเขียนโปรแกรม เพื่อตอบโจทย์ความต้องการต่างๆ ดังนั้น การเป็น Machine Learning Engineer จึงมีลักษณะที่เป็นกึ่งกลางระหว่างการเป็น Data Scientist กับการเป็น Software Engineer เพียงแต่ ตัว Product ที่สร้าง ไม่ใช่ Software แต่เป็น Data Product เช่น Product Recommendation Engine ที่ใช้ใน E-Commerce หรือ เว็บไซด์จับคู่ผลิตภัณฑ์ต่างๆ

 

สำหรับหน้าที่ของ Data Scientist คือ การใช้ทักษะ “วิทยาศาสตร์” (ในที่นี้คือ คณิตศาสตร์) โดยมี “ข้อมูล” เป็นทรัพยากรในการแก้ปัญหา ดังนั้นการทำงาน จึงไม่ใช่แค่การสร้าง Model แต่เป็นการเข้าไประบุปัญหา ระบุข้อมูล สร้าง Model และแนะนำแนวทางในการใช้ประโยชน์จากผลลัพธ์ที่ได้ ซึ่งในส่วนของการสร้าง Model หากเป็น Model เชิงลึก อาจจำเป็นต้องทำงานร่วมกับ Machine Learning Engineer

 

จากหน้าที่ ที่แตกต่างกัน ทำให้ในการเสริมทักษะเพื่อต่อยอดของทั้ง 2 หน้าที่ จะมีความแตกต่างกัน (แม้จะเริ่มต้นจากทักษะเดียวกัน) กล่าวคือ Machine Learning Engineer จะต้องพัฒนาทักษะด้านการเขียนโปรแกรม การใช้ Model ประเภทต่างๆ รวมไปถึง จำเป็นต้องเข้าใจเทคโนโลยีใหม่ๆ ที่เกี่ยวข้อง เช่น Cloud Computing และ IoT ในขณะ Data Scientist จะต้องฝึกทักษะด้าน Business เพิ่มเติม ไม่ว่าจะเป็นเชิงเทคนิค เช่น Data Visualization และทักษะเชิงการบริหารงาน เพื่อให้สามารถเข้าไประบุปัญหา และเสนอแนวทางการแก้ปัญหาโดยใช้ Data ได้เหมาะสม

 

(Data Analyst จะไม่สามารถสร้าง Model ได้ ในขณะที่ Data Scientist จะสร้าง Model ได้ แต่หน้าที่ของ Data Analyst จะอยู่กับงานนั้นๆ อย่างต่อเนื่อง ในขณะที่ Data Scientist จะทำงานเป็น Project base)

 

หากถามว่า หน้าที่ไหนจำเป็นกว่ากัน ระหว่าง Data Scientist กับ Machine Learning Engineer ขึ้นอยู่กับประเภทขององค์กร ดังนี้

  • องค์กรที่ใช้ Data แต่ไม่ได้มีแนวโน้มจะต้องสร้าง Data Product บ่อยครั้ง ก็อาจไม่จำเป็นต้องมีทั้ง Data Scientist หรือ Machine Learning Engineer เพราะการสร้าง Data Product จะเป็นลักษณะ Project Base

  • องค์กรที่ใช้ Data และมีแนวโน้มในการวิเคราะห์ข้อมูลเชิงลึกบ่อยครั้ง อาจจำเป็นต้องมี Data Scientist โดยทำหน้าที่ตั้งแต่ระบุปัญหา เสนอแนวทางการแก้ปัญหา สร้าง Model และนำเสนอผลลัพธ์

  • องค์กรที่ใช้ Big Data มีการสร้าง Data Product และต้องพัฒนา Data Product อยู่เสมอ ควรจะต้องมีทั้ง Data Scientist และ Machine Learning Engineer เพื่อให้เกิดงานที่ “เร็ว” และ “ลึก” ขึ้น

 

ทั้ง 2 ตำแหน่ง มีทั้งสิ่งที่เหมือน และแตกต่างกัน และที่สำคัญที่สุด คือ แต่ละองค์กร ก็จะมีงานที่มอบหมายให้แต่ละคนทำงานที่ต่างกัน ดังนั้น สิ่งที่สำคัญที่สุด สำหรับคนที่ต้องการทำงาน คือ จะต้องทำความเข้าใจในงานของตน และสำรวจว่า ทักษะไหนเป็นทักษะที่โดดเด่นของตัวเอง เพื่อที่จะสามารถทำงานได้ตามที่ได้รับมอบหมาย และไม่ว่าเทคโนโลยีจะเปลี่ยนไปเร็วแค่ไหน หากมีพื้นฐานความเข้าใจที่ดี ก็จะสามารถต่อยอดได้โดยง่าย

 

สำหรับผู้ที่สนใจสมัครงานในตำแหน่ง Data Scientist หรือ Machine Learning Engineer กับ Coraline สามารถยื่นใบสมัครได้ที่ Link นี้นะคะ >>> https://forms.gle/cGHgscZkobfPqibH6

 

 

 

#BigData

#DataScience

#Optimization

#ProductivityImprovement

#DigitalTransformation

 

#Coraline ให้คำปรึกษาการทำ Big Data Project และ Digital Transformation เพื่อเพิ่มศักยภาพของธุรกิจ

 

Share on Facebook
Share on Twitter
Please reload

Please reload