В чем разница между этими двумя популярными техническими ролями?
Оглавление
- Вступление
- Специалист по данным
- Инженер по машинному обучению
- Резюме
- использованная литература
Вступление
Эта статья не направлена на сравнение ролей, как если бы кто-то заслужил больше денег или нет, а вместо этого представляет собой руководство, позволяющее профессионалам в этих двух областях оценивать свою текущую зарплату. Как ни банально, но все же важно помнить об этих двух вещах, когда просите более высокую зарплату: не помешает попросить, а иногда вы не получите того, о чем не просите . Имейте в виду, что это более общие статистические данные, так как вы можете быть конкретными, если хотите, чтобы узнать, какой должна быть ваша зарплата. Вместо этого эти значения являются руководством для вас. С учетом сказанного, давайте обсудим эти две роли в отношении заработной платы на каждом уровне стажа, чтобы вы могли лучше понять, где вы должны быть по сравнению с другими, работающими в качестве специалистов по обработке данных и инженеров по машинному обучению, а также для рекрутеров, чтобы оценить компенсационные пакеты своих компаний. . В дополнение к вышесказанному, я также буду обсуждать, согласен ли я с этими цифрами или нет, так что продолжайте читать, если вы хотите узнать больше о зарплатах специалистов по данным и инженеров по машинному обучению.
Специалист по данным
У специалистов по обработке данных, похоже, более расплывчатое описание работы, а у инженеров по машинному обучению более последовательные и конкретные. Уровни стажа на этих должностях также немного различаются - наука о данных использует свои собственные уровни, а инженеры по машинному обучению могут больше следить за названиями программной инженерии.
Например, типичный карьерный путь специалиста по данным будет следующим (вы также можете ожидать, что числа в названиях будут представлять стаж, например I, II и III):
Специалист по данным начального уровня → Специалист по данным → Старший специалист по данным
и в зависимости от того, чем вы хотите конкретно заниматься, вот более высокие должности в науке о данных:
Ведущий специалист по анализу данных - менеджер по анализу данных - директор по анализу данных
из которых все они могут быть на одном уровне, но в конечном итоге это зависит от вашей компании. Например, у некоторых компаний может быть одна и та же роль, а у другой эти три роли могут следовать иерархии, которую вы видите выше. Теперь, когда мы знаем о разных должностях, давайте посмотрим на их зарплаты.
Имейте в виду, что эти роли основаны на среднем показателе в США (на основе PayScale [3]):
- Средний специалист по общим данным →
$96,455
- Средний специалист по данным начального уровня →
$85,312
(1 год) - Средний специалист по работе с данными в начале карьеры →
$95,121
(1–4 года) - Средний научный сотрудник среднего звена →
$109,696
(5–9 лет) - Средний опытный специалист по данным →
$136,051
(10–19 лет)
Я согласен? Нет.
Я считаю, что все они находятся на нижнем уровне, и их нужно сместить на один уровень, поэтому я бы переместил зарплату в середине карьеры на зарплату в начале карьеры и так далее.
Теперь давайте рассмотрим некоторые крайности в нескольких конкретных городах, чтобы понять, чем они могут отличаться в отношении своей карьеры (я чувствую, что большинство специалистов по данным находятся в этом ведре):
- Нью-Йорк → 104 705 долларов
- Остин → 98 269 долларов
- Лос-Анджелес → 100 234 $
- Альфаретта, Грузия → 86 476 долларов
- Сан-Франциско → 122634 доллара
- Пеория, Иллинойс → 83524 долларов
Как видите, существует довольно большой диапазон для того же количества опыта, в зависимости от того, где вы живете, при этом сельский город в Иллинойсе находится на нижнем уровне, а Сан-Франциско - на верхнем уровне (наугад , сельские, популярные города).
Помимо местоположения, при оценке заработной платы следует учитывать и другие факторы:
- Бонус, акции, навыки, сертификаты, образование, контракт / полный рабочий день, промышленность
Все эти данные о заработной плате собираются из PayScale, и если вам нужна более конкретная оценка текущей работы,« предложения о работе или просто изучения , то вы можете использовать обзор заработной платы [4]. Теперь, когда у нас есть представление о диапазонах окладов в области науки о данных, давайте перейдем к следующей роли.
Инженер по машинному обучению
Инженер по машинному обучению часто управляет тем, что создают специалисты по данным, - с точки зрения модели, с навыками, больше связанными с разработкой программного обеспечения.
Вот несколько примеров ролей инженера по машинному обучению:
Инженер по машинному обучению → Старший инженер по машинному обучению
Однако в некоторых компаниях инженер по машинному обучению может на самом деле называться «инженер-программист» и может использовать соответствующие титулы, такие как Staff
, Principal
и т. Д.
Вот несколько примеров средней зарплаты инженеров машинного обучения в США [6] (вы также можете ожидать, что числа в заголовках будут представлять стаж, например I, II и III)
- Средний инженер по машинному обучению →
$113,143
- Средний инженер по машинному обучению среднего звена →
$138,189
Я согласен? Да.
Я считаю, что эти цифры больше соответствуют тому, какой должна быть наука о данных.
Просто сравнив общую и среднюю зарплату инженеров по машинному обучению и специалистов по обработке данных, можно увидеть значительный скачок. Например, средний инженер по машинному обучению был на $17,000
больше, чем специалист по анализу данных, а для среднего уровня карьеры разница была $30,000
. Вы также должны увидеть сходство между увеличением или уменьшением в конкретных городах, как мы видели для специалистов по данным.
Я считаю, что причина такой огромной разницы в заработной плате для одного и того же относительного уровня стажа заключается в том, что роли инженера по машинному обучению часто представляют собой сочетание инженерии программного обеспечения и науки о данных - это не всегда так, но я думаю, что это может объяснить скачок. в оплате.
Еще одним фактором этого различия является то, что некоторые роли в науке о данных на самом деле являются ролями аналитика данных, что было неожиданностью для меня во время собеседования, поскольку я всегда предполагал, что наука о данных использует алгоритмы машинного обучения, но иногда это может быть больше SQL / анализ данных / отчет, в зависимости от компании.
Резюме
В целом, существует бесчисленное множество факторов, которые могут повлиять на заработную плату любой из этих ролей, и особенно если вы уже являетесь специалистом по данным или инженером по машинному обучению, вы можете понять, что вам нужно больше, чем просто несколько функций, чтобы объяснить разницу в ваша цель, которой в данном случае является размер заработной платы.
Подводя итог, вот несколько ключевых выводов науки о данных в сравнении с зарплатами в машинном обучении:
* Average US data scientist salary$96,455
* Average US machine learning engineer$$113,143
* Data scientists can be more analytical/product-focused, while machine learning engineers can be more software engineering focused * Several factors contribute to salary, the most important most likely being seniority and city
Надеюсь, моя статья была вам интересна и полезна. Пожалуйста, не стесняйтесь комментировать ниже, если вы согласны или не согласны с этими сравнениями зарплат. Почему или почему нет? Какие еще факторы, по вашему мнению, важно отметить в отношении заработной платы? Конечно, их можно прояснить еще больше, но я надеюсь, что смог пролить некоторый свет на разницу между зарплатами инженеров в области обработки данных и машинного обучения.
Наконец, как вы видите влияние удаленных должностей на заработную плату, особенно когда город является таким важным фактором при определении заработной платы?
Спасибо за чтение!
Я не связан ни с одной из этих компаний.
Не стесняйтесь проверить мой профиль, Matt Przybyla, и другие статьи, а также подписаться на получение уведомлений по электронной почте для моих блогов, перейдя по ссылке ниже, или нажав на значок подписки вверху экрана рядом со значком подписки, и свяжитесь со мной в LinkedIn, если у вас есть какие-либо вопросы или комментарии.
Ссылка для подписки: https://datascience2.medium.com/subscribe
использованная литература
[1] Фотография Ryan Quintal на Unsplash, (2019)
[2] Фото Leon на Unsplash, (2019)
[3] PayScale, Заработная плата специалиста по данным, (2021 г.)
[4] PayScale, Обзор заработной платы PayScale, (2021 г.)
[5] Фото Max Duzij на Unsplash, (2019)
[6] PayScale, Заработная плата инженера по машинному обучению, (2021 г.)