[ML] 1. 角色定位 Role Definition
===
> [[ML / Category]](/hu2F_DDbSI6nHzO2NbJ_Jg)
###### tags: `ML / Category`
###### tags: `ML`, `角色定位`, `資料科學家`、`資料工程師`、`ML工程師`

<br>

[TOC]

<br>

## AlphaCamp
> 在大數據時代，你可能會常聽到資料科學家、資料分析師、資料工程師這些和「data」相關的工作，但你知道實務上這些職種在做什麼？又是如何分工？本週AC學習週報，資料工程師維元分享[資料專案團隊的技能組成與分工](https://tw.alphacamp.co/blog/data-scientist-data-analyst-data-engineer-in-data-team)，以及不同的養成路徑。

> 如果你是在準備或想了解 Data Engineer 到底有什麼能力要求，面試有哪些重點，也可以看本週分享給你的另一篇文章，了解面試官關注 [Data Engineer的 4 個能力重點](https://tw.alphacamp.co/blog/data-engineer-interview)。

### [資料科學家、資料分析師、資料工程師，實務上如何在資料團隊分工](https://tw.alphacamp.co/blog/data-scientist-data-analyst-data-engineer-in-data-team)

### [Data Engineer 工作內容是什麼？從面試重點了解資料工程師](https://tw.alphacamp.co/blog/data-engineer-interview)

<br>

<hr>

<br>

## 門外漢
> No code 省思

- ### [企業該使用No Code工具嗎？又該注意哪些問題？](https://edge.aif.tw/no-code-time/?utm_source=E-mail&utm_medium=20211031_epaper_text&utm_campaign=no-code-time)
- 不會寫程式沒有關係，要有統計的基礎知識，並對資料科學有一定的認識，
>「No Code 只是不讓你寫程式，不代表可以忽略這些
> 即使不用寫程式，要呈現出合理的意義也要有基礎的知識。」
> 如果沒有相關知識，要如何產生對預測或做決策有幫助的報表？也不可能憑空叫系統生出模型。
- No Code工具無法取代所有角色。
> 比如輸入電腦的資料還是要經過處理，不能太髒，而每一家公司的資料特性不同，做法也會不同。例如缺失值的補法雖然有些慣用的做法，但有些時候還是會根據不同的資料特性還是要做不同的處理，可能需要工程師或資料科學家的知識才能去清理或整理。

<br>

<hr>

<br>

## 參考資料
- ### [【靠ML協作平臺加速AI落地】Line如何用MLOps重構AI開發流程](https://www.ithome.com.tw/news/143589)
- **資料科學家要透過什麼方式，向企業說明數據分析的結果？**
- 資料工程師要如何確保程式的可靠性，維持每小時運行不中斷？
- ML工程師又該如何保留ML開發過程的迭代，讓其他專案重複使用？
- 開發過程
> Line的資料科學家過去在實作一個ML專案時，需要花費許多時間在工程端的程式開發上，身為過來人的蔡景祥形容，開發AI得從頭到尾「手刻」一個ML開發流程，比如
>
> - 設定資料或模型的匯入匯出位置、
> - 系統間的串接，
> - 甚至是將模型打包成服務、
> - 部署上線等工作，
>
> 全部都要包辦。雖然也能將這些工作交由工程端人員執行，但兩個角色之間也需要頻繁溝通，才能確保開發流程不出錯。