行业垂直领域都发展迅速。然而，机器学习工程师已成为数据科学领域的最佳职位。谈到技能组合，机器工程师是指能够执行复杂编程并处理复杂数据集的高级程序员。
最近，我有机会与 Network Intelligence 的机器学习工程师/数据科学家 Sahil Bali 进行了一次访谈，并详细地讲述了他作为机器学习工程师的工作。这的确是一次令人耳目一新的对话，让我对机器学习工程师的实际工作有了更深入的 Ws 粉丝 了解。让我们立即深入了解这次访谈的细节。
Sahil 并非 IT/CS 背景，学士学位。他的职业生涯始于人力资源招聘，在招聘行业工作过一段时间后，利用免费资源开始学习机器学习，最近还完成了一门付费课程。他精通 数据科学的各个方面，从问题识别、数据理解和准备、建模、评估到部署，无所不包。此外，他还是一位适应能力强的机器学习工程师，能够从零开始构建机器学习模型，并使用 Python API 进行部署。
你是如何进入数据分析领域的？是什么让你对学习数据分析产生了兴趣？
Sahil：在实践了数据科学方 外部链接在这里会发挥重要作用 面的实践项目之后，我很幸运能够向数据科学爱好者传授同样的知识，这在很多方面都有帮助。
我认为理解、分析问题并提出优化解决方案是工程背景的核心技能之一。是的，我一直在努力理解数据，顺便提一句——“如何解读数据，从中获得最大洞察☺ ”
您记得处理的第一个数据集是什么？您用它做了什么？
Sahil：从技术上讲，Iris 数据集是基于其构建的 Logistic 模型。但我强烈地感觉到，在日常生活中，我们会在脑海中生成数据集（日常经验），并在此基础上进行预测——例如出行时的交通拥堵、交警的存在（尤其是在我们不 临时邮箱戴头盔的情况下）等等。
有没有一个特定的“啊哈”时刻让您意识到数据的力量？
Sahil：很多问题，大多数时候我们都没有意识到，因为这些是我们多年来一直在做的事情，比如交通堵塞预测（等等），因为这能节省宝贵的时间。正式在我构建机器学习模型并将其集成到我们的产品中时，它通常用于检测网络安全领域的恶意/网络钓鱼案件。