机器学习工程师需要具备的5种软技能（以及为什么）

　　包括有关成为任何员工有用组成部分的提示

　　介绍

　　机器学习工程师的角色通常与诸如编程，软件实现，数据分析等技术技能相关联。

　　尽管技能技能对于拥有称职的ML工程师至关重要，但还有一系列同样重要的软技能。

　　在本文中，我不仅会提高对提到的软技能的认识，还将提供提示和建议，以帮助个人发展和培养提到的技能。

　　职业道德是内部原则相结合的产物，这些内部原则以纪律，勤奋和内在的方式指导个人的行为。

　　良好的职业道德是几个组成部分的结合，这些组成部分相互协调并和谐地工作。 这些组成部分包括焦点，纪律，动机，灵感，远见，生产力，努力工作等。

　　根据我的观察，ML工程师往往会努力工作，该领域本身的性质要求在该领域的学术和实践方面都投入大量精力。

　　虽然努力工作并不构成一般的职业道德。 例如，一个ML工程师可以在短期内努力工作，但是从长远来看，同一名ML工程师可能缺乏培养良好的职业道德的一致性，动力，专注力和纪律。

　　如何培养良好的职业道德的例子：

　　· 通过为特定任务留出定义的持续时间来练习提高焦点级别。 确保消除干扰。 森林是一种有用的时间跟踪工具。

　　· 守时是获得良好职业道德的重要组成部分。 您可以通过准时（在开始时间之前至少10分钟）出现在您日常生活中的任何计划会议中来练习守时。 即使在社交聚会上也要准时。

　　· 保持正确的工作与生活平衡。 从计算机上休息一下可让您的大脑得到休息。 选择不涉及机器学习的爱好。 此类活动的示例可以是绘画，唱歌或学习演奏乐器。 大脑很棒，通过执行活动获得的创造力可以促进与机器学习相关的工作中的创造力。

　　· 动机和灵感是非常主观的组成部分。 激励ML工程师A的因素可能不会激励ML工程师B。就我个人而言，我通过观看许多以人工智能为中心故事的科幻电影来激励自己。 像I，Robot，Ex Machina或Alterned Carbon这样的电影和节目展现了一个未来，这可以通过ML实践者今天所取得的进步而实现。

　　领导作为机器学习从业者的一项软技能的重要性不能被足够强调。 无论您处于何种职业水平，都必须培养领导才能。

　　领导力可以定义为一种博学的特质，使个人能够激发，激励和引导一群人朝着一个共同的目标迈进。

　　ML从业人员可以通过以下方式发挥领导作用：

　　· 首席工程师或ML团队经理应该表现出对他们正在从事的项目的热情，或者至少对人工智能的渴望。 对领导或管理人员的热情刻画可以为团队成员创造灵感。

　　· ML从业者应该了解公司，组织或项目背后的原因。 通过了解组织采取的行动和决策的"原因"，您不仅可以执行技术能力，还可以执行行动。

　　· 伟大的领导者以身作则。 一个完美的场景来说明这一点，这是ML工程师可以承担并完成几乎被认为是不可能的项目或任务的。 之后，教其他团队成员如何处理将来可能发生的类似任务。

　　ML练习者可以通过以下操作来培养领导能力：

　　· 与团队中的个人紧密合作。 不仅要进行单独的项目，还要进行涉及各行各业的个人参与的大型项目。

　　· 通过设想项目的长期影响，练习具有远见和良好的决策能力。

　　· 只要有机会，就可以练习公开演讲。

　　时间管理是将定义的时间量委派给特定任务以实现定义的成功度量的过程。 成功的时间管理的副产品是有效的任务完成和生产率的提高。

　　尽管主要期望ML工程师实现机器学习模型和系统，但ML工程师还承担一些其他职责（下面列出的示例）。 作为额外职责的结果，机器学习工程师需要优先处理任务，并分配适当的时间和精力来使任务完成到令人满意的水平。

　　ML工程师的其他职责示例包括：

　　· 指导初级工程师

　　· 管理工程团队

　　· 研究最新的ML技术和算法

　　ML工程师或从业人员可以采取一些步骤来培养良好的时间管理技能。 在您的下一个或当前项目中，分割实现里程碑所需的任务，并制定包括每个任务描述和估计完成时间的计划。

　　并非所有任务都一样创建

　　制定计划还不够。 为了通过有效的优先级排序来最大限度地提高生产力，我们付出了巨大的努力。 通过首先处理基本任务，您会感觉到时间的有效利用。

　　对于工作场所的ML工程师来说，这是一个绝妙的技巧。 当系统询问您实现ML模型或算法所需的时间时，无论您最初考虑什么时间，都将其加倍，甚至可以将其加倍以提高安全性。 因此，例如，如果您的任务是在移动应用程序中实现语义分割技术，并且您估计这需要三天才能完成，请注意完成时间为一周。 这为您提供了缓冲时间来解决可能出现的任何不可预见的问题。 高估完成任务所花费的时间总比低估好。

　　ML工程师负有关键责任，通常是公司内部项目和AI计划的中心。 由于ML工程师在公司中扮演着不可或缺的角色，因此要求他们在跨职能团队中运作。

　　例如，ML工程师可能需要与数据库管理员就数据湖和存储的配置进行沟通。 大多数软件产品都需要一个前端接口，因此，ML工程师与产品设计师，经理，测试人员和软件开发人员紧密合作。

　　有效的团队合作可以创造一个令人愉悦的工作环境，从而可以作为副产品实现高效的工作流程。

　　团队合作是一项与出色的沟通技巧结合在一起的技能。 ML工程师在传达技术和个人要求方面越有效，则在团队内进行协作和做出有效贡献就越容易。

　　在机器学习中实践团队合作的一种非常有效的方法是利用Kaggle。 大多数机器学习从业者都熟悉Kaggle。 我发现通过与Kaggle的团队甚至合并的团队合作，可以获得很多经验和知识。 您可以从实际项目和竞争中学到很多东西，在这些项目中，团队合作和协作是成功的主要因素。

　　以下是一些支持团队内部有效团队合作的工具：

　　· 松弛：通过消息传递实现团队内部的有效沟通

　　· Trello：项目管理工具

　　· GitHub：旨在通过存储库共享软件和源代码的Web平台。

　　您的声音需要被听到

　　沟通是ML工程师在职业生涯中必须进步的一项关键技能。 下面提供了有效沟通可带来优势的示例。 这些例子说明了为什么有效的沟通技巧很重要。

　　· ML Engineering职位的面试

　　· 建立对员工需求的认识

　　· 谈判加薪

　　· 向非技术人员解释机器学习的概念。

　　在上述所有情况下，拥有出色的沟通能力，都会使您比没有的人处于更好的位置。

　　正确沟通您的资格和项目可以使您在申请职位时领先于竞争对手。

　　甚至在担任工作角色时，有效的沟通技巧也会在进行薪资谈判时提供优势，这可能意味着薪水增加5％或10％之间的差异。

　　改善沟通技巧的一种绝佳方法是执行以下所列的工作。

　　· 抓住机会公开发表演讲（不必与工作相关）。

　　· 如果还没有，请读书。 定期阅读可以提高您的词汇量，并提供口头弹药以使自己在对话中表达清晰。

　　· 冷静而缓慢地说话。 冷静地说，无论情况如何，都能给他人以您控制局势的印象。 更重要的是，坦率地说可以传达高度的信心。

　　· 练习向技术人员和非技术人员解释机器学习概念。 通过确保非技术人员理解您正在解释的概念，您可以增强自己的知识。 向专业人士介绍ML概念将使您熟悉如何适当地使用技术术语来描述一个概念或想法。

　　结论

　　成功的ML工程师需要具备许多其他软技能，例如表达能力，创造力，倾听能力，解决问题的能力，灵活性等。

　　希望通过本文，您已经确定了至少一种可以在业余时间开始学习的软技能。