机器学习工程师需要具备的5种软技能

介绍

机器学习工程师这一角色通常与编程，软件实现，数据分析等专业技能相关联。

尽管专业技能对于拥有称职的ML工程师非常重要，但对于ML工程师来说，还有一系列软技能是同样重要的。

在本文中，我不仅会提高你对这些软技能的认识，还将提供一些技巧和建议，以帮助你的个人发展和技能培养。

沟通技能

你的声音需要被听到

沟通是ML工程师在职业生涯中必要的一项关键技能。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
作为一名员工，培养对自身需求的意识
谈判加薪
向非技术人员解释机器学习的概念。在以上所有场景中，具有出色的沟通能力会让你相对于其他人处于更有优势的位置。

恰当地与人交流你的资质和项目可以使你在应聘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为你提供优势，这意味着薪水可能增加5％到10％。

改善沟通技巧的一种方法是执行以下工作清单。

把握机会公开发表演讲（不必与工作相关）。
如果还没有机会发表演讲，请读书。定期阅读可以提高你的词汇量，为你在谈话中表达自己提供语言上的弹药。
冷静且缓慢地讲话。无论情况如何，冷静地讲话，都能给他人一种你控制着局势的印象。更重要的是，冷静的表达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你正在解释的概念，你可以增强自己的知识。向专业人士解释ML概念将使你熟悉如何适当地使用技术术语来描述概念或想法。

团队合作

ML工程师通常是公司内部项目和AI计划的中心，肩负着至关重要的责任。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池和存储进行沟通。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总是紧密合作。

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。

团队合作是一项与沟通技巧结合在一起的技能。如果ML工程师在传达技术和个人要求方面越高效，就越容易在团队内进行有效的协作和贡献。

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（www.kaggle.com/）。大多数机器学习从业者都熟悉Kaggle。我发现在Kaggle中竞争的团队，甚至是合并团队，都可以获得很多经验和知识。你可以从实际项目和竞争中学到很多东西，其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：

Slack（slack.com/intl/en-hk/… ：通过消息传递实现团队内部的有效沟通
Trello（trello.com/）：项目管理工具
GitHub（github.com/）：旨在通过存储库共享软件和源代码的Web平台。

时间管理

时间管理是将一定量的时间量委派给特定任务以实现既定的成功衡量标准的过程。成功的时间管理的附加产品是高效的任务完成和生产率的提高。

虽然一个ML工程师主要是要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）。作为附加职责的结果，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。在你的下一个或当前项目中，你需要分割实现重要事件所需的任务，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大化生产率，我们付出了巨大的努力。通过首先处理基本任务，你会感觉到时间被有效地利用起来了。

对于工作场所的ML工程师来说，还有一个巧妙的技巧。即当系统询问你实现ML模型或算法所需的时间时，无论你初考虑什么时间，都将其加倍，甚至可以将其加三倍以提高安全性。因此，如果你的任务是在移动应用程序中实现语义分割技术，并且你估计这需要三天才能完成，请注意，你可以设置它的完成时间为一周，这为你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。

领导才能

领导才能作为机器学习从业者的一项软技能的重要性是毋庸置疑的。无论你处于何种职业水平，都必须培养自己的领导才能。

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”，你可以执行超出你技术能力范围的行动。
伟大的应以身作则。在此我用一个场景来说明这一点，让一个ML工程师承担并完成几乎被认为是不可能的项目或任务。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行为来培养领导能力：

与团队中的个人紧密合作。不仅要进行个人项目，还要进行涉及各行各业的个人参与的大型项目。
通过预见项目的长期影响，练习有远见和良好的决策技能。
把握机会练习公开演讲。

职业道德

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。这些组成部分包括专注、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动力，专注力和纪律性。

如何培养良好的职业道德的例子：

通过为特定任务留出特定的时间来练习提高专注力，确保消除干扰，一个有用的时间跟踪工具是Forest。
守时是获得良好职业道德的重要组成部分。你可以通过准时（在开始时间之前至少10分钟）出席你日常生活中的任何会议来练习守时。即使在社交聚会上也要准时。
保持恰好的工作与生活平衡。通过计算机上的一些活动来休息一下，可以让你的大脑得到休息。选择一个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。大脑是神奇的，从执行这些业余活动中获得的创造力可以促进机器学习相关工作的创造力。
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，而随着ML实践者今天所取得的进步，这种未来将成为可能。