详细内容或原文请订阅后点击阅览
设计可在生产中运行的数据和人工智能系统
关于架构、代理和负责任规模的系统级视角《设计在生产中保持稳定的数据和人工智能系统》一文首先出现在《迈向数据科学》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，我们很高兴与迈克·赫尔斯分享我们的对话。
Mike 是一位技术主管，从事数据工程、人工智能和架构交叉领域的工作，帮助组织将复杂的数据环境转变为可靠、可用的系统。凭借强大的全栈背景，他设计了平衡技术深度与商业价值的端到端解决方案。除了客户工作之外，他还构建并分享有关数据平台、人工智能系统和可扩展架构的实用工具和见解。
您认为自己是一名全栈开发人员吗？您在整个堆栈（从前端到数据库）的经验如何改变您对数据科学家角色的看法？
我愿意，但并不是亲自构建每一层。对我来说，全栈意味着了解一层的架构决策如何随着时间的推移影响系统行为、风险和成本。在设计需要适应变化的系统时，这种观点至关重要。
这个观点也影响了我如何看待数据科学家的角色。在笔记本中创建的模型仅仅是一个开始。当这些模型嵌入到具有适当数据管道、API、治理和面向用户的界面的生产系统中时，真正的价值就会出现。当数据科学被视为更大系统的核心部分而不是孤立的活动时，它就会变得有影响力。
您涵盖的主题非常广泛。您如何决定下一步关注什么，以及如何知道何时值得探索新主题？
我倾向于关注反复出现的摩擦。当我看到多个团队在解决相同的问题时，无论是技术问题还是组织问题，我认为这表明问题是结构性的而不是个人的，并且值得在架构或流程级别解决。
您如何看待 2026 年数据专业人员的日常工作发生的变化？