详细内容或原文请订阅后点击阅览
机器学习工程师角色的演变
Stephanie Kirmer 讲述了 2000 亿美元的投资泡沫、人工智能公司如何重建信任，以及她的日常工作如何随着法学硕士的兴起而发生变化。机器学习工程师的角色演变一文首先出现在《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，我们很高兴与斯蒂芬妮·柯默分享我们的对话。
Stephanie 是一名机器学习工程师，在数据科学和机器学习方面拥有近 10 年的经验。此前，她是一名高等教育管理者，向本科生教授社会学和健康科学。她每月在 TDS 上撰写一篇有关社会主题和 AI/ML 的文章，并在全国各地就 ML 相关主题进行演讲。她将于 2026 年 4 月在波士顿 ODSC East 就定制法学硕士评估策略发表演讲。
您研究了社会学以及教育的社会和文化基础。您的背景如何影响您对人工智能社会影响的看法？
我认为我的学术背景塑造了我对一切事物的看法，包括人工智能。我通过我的学术生涯学会了社会学思考，这意味着我审视事件和现象，并问自己诸如“这里的社会不平等是什么？”、“不同类型的人如何以不同的方式体验这件事？”以及“机构和人群如何影响这件事的发生？”。这些都是社会学家想要知道的事情，我们利用这些答案来了解我们周围发生的事情。我正在建立一个关于正在发生的事情和原因的假设，然后认真寻找证据来证明或反驳我的假设，这本质上就是社会学方法。
您在 DataGrail 担任 ML 工程师已有两年多了。随着法学硕士的兴起，您的日常工作发生了怎样的变化？
您问我们是否可以“拯救人工智能经济”。您是否认为人工智能炒作已经造成了类似于互联网时代的泡沫，或者该技术的潜在效用是否足以维持它？