统计数据生物学家而此职务愈来愈火爆，天下人都想专门从事统计数据自然科学，这不但即使这本组织工作听上来矮小上，更关键的是，它吗是这份低薪的组织工作。但，统计数据生物学家是天下人都能做得来的吗？
责任编辑系一则看法该文，我很乐于听见听众的驳斥意见提议。
正式成为一位统计数据生物学家是每一人的心愿。即使连爷爷级的人也想当统计数据生物学家。但，虽然统计数据自然科学可能将是 21 世纪末最火辣的组织工作，但另两个酬金也反之亦然可观的低薪业余——应用软件技师，却被高估了。
我时常会接到写刚大学毕业的小学生和想Vieil的人写来的信，向我谋求专门从事统计数据自然科学的提议。我给她们复信说如果要去做应用软件技师。
有鉴于我在统计数据生物学家和应用软件技师都有实战经验，我殿试着劝服你去正式成为应用软件技师。
1. 应用计算机科学的组织工作岗位更多
与数据自然科学较之，应用计算机科学应用领域的组织工作岗位要多上两个量级。
上面是我在 Google 上搜寻 Indeed（一间招工中文网站）上的 “统计数据生物学家” （Data Scientist）和 “应用软件技师” （Software Engineer）岗位的截屏。
从搜寻结论上看，统计数据自然科学岗位有 7616 个，而应用计算机科学的岗位有 538893 个！这还而已英国的劳工市场情形，但其它北欧国家也表明出类似于的结论。
据 Glassdoor 的调查结果称，统计数据生物学家的总收入更高，但以我需经校正的假定是，统计数据自然科学应用领域的组织工作平均值来说也更高阶。
也就是说，如果你得到了 Open AI 给的 100 万美元薪水的组织工作机会，我会提议你要抓住这个机会。
2. “数据自然科学” 的含义还没有达成共识
管理层对 “统计数据自然科学” 的含义往往没有达成共识。也有可能将是由于业务上的限制，她们没有办法生搬硬套两个角色框架。
这意味着 “统计数据生物学家” 的职责因公司而异。
虽然从应用软件技师到统计数据生物学家之间的理想角色有可能将存在，但在现实中却不大可能将实现。这点对于那些仍在建设基础设施的初创公司来说尤为如此。
被录用的应聘者最终都是为了解决公司目前需要解决的问题，而不是她们可能将被录用的 “角色” 。
来自该应用领域同事的轶事证据是，许多统计数据生物学家发现，自己像应用软件技师一样也要编写后端代码。我还认识其它所谓的 “统计数据生物学家” ，她们是用 Excel 处理财务统计数据。
而这与参加过 Kaggle 的你的期望大相径庭。
3. 统计数据自然科学是孤军奋战的组织工作
大多数公司并不像应用软件技师那样需要那么多的统计数据生物学家。其它公司正在招工她们的第一位统计数据生物学家。
由于这个原因，许多统计数据生物学家最终都将是孤军奋战，即使她们和开发人员在同一张桌子上组织工作，也是如此。
这可能将会导致很难获得反馈和第二种意见提议。应用软件技师要么不懂预测建模，要么忙于处理完全不同的问题。
较之之下，在应用计算机科学团队的好处之一就是能够对同事们说： “我认为我们如果用 XYZ 的方式实现 ABC。你有什么看法？” 。
要专门从事统计数据自然科学的组织工作，请做好和你自己或者一只橡皮鸭进行这样的对话的准备。
4. 统计数据自然科学是探索性的组织工作
你要做好与管理层进行尴尬对话的准备，解释为何你花了两个礼拜的时间做的东西还不能用。
致力于解决已解决的问题与未解决的问题，是应用软件开发与人工智能的根本区别之一。
撇开错误和约束不谈，在开始任何组织工作之前，你就如果知道大多数应用计算机科学项目是否可行。但在机器学习应用领域就不能这样说了，即使你只有在构建模型之后才会知道模型是否有效。
5. 公司还没有为人工智能做好准备
即使在每家公司都是人工智能公司的时代，大多数公司也不具备支持人工智能的基础设施，即使不需要它。
最近，一间快速扩张的初创公司的统计数据自然科学负责人在与我喝咖啡的时候分享了一些提议。
首先，要找出问题所在，然后构建基础设置，再引入统计数据生物学家。这可不是两个快速的过程。（我的转述大意）
最近，另一间知名公司的专门从事数据自然科学的零号员工向我发泄。她吐槽称，她被迫在笔记本电脑上而不是在云端上的大统计数据训练人工智能模型。
如果你被录用后没有具体的问题需要解决，或者公司没有做好统计数据自然科学的准备，你可能将会发现自己很难提升价值。
6. 应用计算机科学传授通用技能
正式成为一位初级应用软件技师就像获得了技术应用领域的 MBA，你所学到的东西都只不过是沧海一粟。
你要学习统计数据库、云技术、部署、安全性和编写简洁的代码。
你要通过观察 Scrum 领导、高阶开发人员或项目经理来学习如何管理应用软件的开发。
你要通过代码审查来得到指导。
如果你进入的公司拥有一支成熟的工程团队，你几乎可以保证你会很快提升自己的技能，并打造出两个通才的背景。
7. 应用计算机科学更具可转移性
通过提供更全面的技术体验，当你决定是时候改变时，应用计算机科学提供了更好的退出机会。
DevOps、安全、前端、后端、分布式系统、商业智能、统计数据工程、统计数据自然科学……
我认识一些从应用软件行业Vieil到统计数据自然科学的开发人员。如果你浏览一下统计数据自然科学的岗位描述，你会立即注意到，岗位描述到处都是核心的应用软件开发技能。
如果你能构建端到端的项目，那么你还可以做更多的组织工作，而不但仅是为 Kaggle 构建模型。你可以采用该模型，将其产品化，设置授权和条码，然后开始向用户收取访问费用。这就是你自己的初创公司。
我从来不认为统计数据自然科学是不可转移的。根据统计数据做出决策是一项杀手级技能。但随着我们变得愈来愈以统计数据为导向，这也将正式成为我们每一项组织工作的一部分。
8. 机器学习将正式成为应用软件技师的工具
随着人工智能的产品化和易于使用，应用软件技师将开始使用人工智能来解决她们的问题。
我可以用一下午的时间教会开发者如何构建 Sklearn 分类器。但这并不意味着她们可以构建下两个 AlphaGo，不过，这确实给了她们两个替代基于用户输入的硬编码条件逻辑的选择。
统计数据生物学家有专业知识，比如统计学，以及对模型如何组织工作的直觉。但 DevOps 和安全技师也有自己的专业知识。
我认为这些都是常见的，没有什么不同。 两个实战经验丰富的应用软件专业人员在不同专业之间的转换速度比两个新入行的人选择两个专业的速度要快两个量级。
虽然我不认为我们会看到统计数据自然科学完全合并到应用计算机科学中，但我确实感觉统计数据自然科学有可能将会正式成为另两个应用计算机科学专业。
9. 人工智能不会取代应用软件技师
虽然这看法听起来很傻，但我在 2014 年进入了应用计算机科学应用领域，即使我担心人工智能会让其它组织工作都被淘汰。
然而从那时起，而此状况就几乎没怎么变过。技术采用的速度很慢，人工智能的应用范围比媒体想象的要窄得多。
与其它专业较之，机器学习离自动化应用计算机科学更远。虽然我们有初创公司在构建酷炫的产品，比如人工智能代码完成，但编写代码并不是真正的组织工作。这项组织工作是用技术来解决问题。
在奇点出现之前，应用计算机科学仍然将是一项宝贵的低薪技能。
结 语
首先，责任编辑所述都是轶事。其次，我意识到我将统计数据生物学家、机器学习技师和人工智能研究人员混为一谈了。但我认为，这些论点仍然值得考虑，即使这是你的业余。
我姑妄言之，你姑妄听之，不必太过当真。我希望你自己研究一下，然后再做决定。这毕竟是作为统计数据生物学家的一部分。
说到底，我们的组织工作就是解决问题。
发此篇该文，私信我“领取资料”，即可免费获得InfoQ价值4999元迷你书！
