详细内容或原文请订阅后点击阅览
数据职业并不总是一条直线，但这没关系
Sabrine Bendimerad 阐述了为什么灵活性是一项重要的数据科学技能、将人类思维外包给人工智能代理的风险以及当今职业道路的变化。数据中的职业并不总是一条直线，没关系，这篇文章首先出现在《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，我们很高兴与萨布琳·本迪梅拉德分享我们的对话。
Sabrine 是一名应用数学工程师，过去 10 年一直担任高级人工智能工程师，负责管理从最初的想法一直到生产的项目。
她的旅程带她经历了截然不同的世界，从为欧洲大型公用事业公司分析卫星图像到目前在 Neurospin 担任医学成像研究员。如今，她致力于研究大脑图像以帮助中风患者康复。
Sabrine 也是 Dataiilearn 的导师和创始人。她不仅喜欢写代码，还喜欢写如何建立真正的职业生涯，以及如何确保数据科学项目真正达到产生真正影响的最后阶段。
几个月前，您解决了当今数据专业人士面临的一个紧迫问题：“这还值得吗？”您为什么决定解决这个问题？与此同时您的立场是否发生了变化？
事实上，我的文章《2026 年的数据科学：还值得吗？》在 LinkedIn 上引发了大量消息。我预计后辈们会担心这个问题，但令我惊讶的是，拥有多年经验的人也在质疑未来。
我从事人工智能已经 10 年了，确实，一开始，仅仅了解 Python 和统计/数学就能让你成为独角兽。如今，市场已经饱和了新的数据科学家，基于人工智能代理的新工具正在接管我们过去手动执行的简单任务。
您写了很多关于数据科学和人工智能职业的文章。您自己的经历如何塑造了您与读者分享的见解？
与您早年进入该领域相比，您现在观察到的最明显的差异是什么？如今，早期职业从业者的策略有何不同？