详细内容或原文请订阅后点击阅览
构建在现实生活中生存的系统
Sara Nobrega 讲述从数据科学到人工智能工程的转变，使用法学硕士作为通向 DevOps 的桥梁，以及初级数据科学家保持竞争力所需的一项工程技能。构建能在现实生活中生存的系统的帖子首先出现在走向数据科学上。
来源:走向数据科学在作者聚焦系列中，TDS 编辑与我们社区的成员讨论了他们在数据科学和人工智能方面的职业道路、他们的写作以及他们的灵感来源。今天，我们很高兴与萨拉·诺布雷加分享我们的对话。
Sara Nobrega 是一位具有物理学和天体物理学背景的人工智能工程师。她撰写的文章涉及法学硕士、时间序列、职业转型和实用的人工智能工作流程。
您拥有物理学和天体物理学硕士学位。您的背景如何影响您在数据科学和人工智能工程方面的工作？
物理学教会了我两件我一直依赖的事情：当我不知道发生了什么时如何保持冷静，以及如何将一个可怕的问题分解成更小的部分，直到它不再可怕。另外……物理确实让你感到谦卑。你很快就会知道，如果你无法解释你的想法或重现你的结果，那么“聪明”并不重要。这种心态可能是我在数据科学和工程中携带的最有用的东西。
您最近撰写了一篇深入探讨您从数据科学家到人工智能工程师的转变的文章。在您在 GLS 的日常工作中，这两个角色之间最大的思维差异是什么？
对我来说，最大的转变来自“这个模型好吗？”到“这个系统能在现实生活中生存吗？”作为一名人工智能工程师，与其说是要给出完美的答案，不如说是要构建可靠的东西。老实说，这种改变一开始很不舒服……但这让我的工作感觉更有用。
您注意到，虽然数据科学家可能需要花费数周的时间来调整模型，但人工智能工程师可能只有三天的时间来部署它。您如何平衡优化与速度？
如果我们有三天的时间，我不会追求微小的改进。我追求自信和可靠性。因此，我将重点关注已经有效的可靠基线以及监控发布后发生情况的简单方法。
我也喜欢小步前进。我不认为“部署最终的东西”，而是“部署能够创造价值而不造成混乱的最小版本”。