数据科学顶级职位的薪酬细分

目录表

1. 介绍
2. 机器学习工程师
3. 自然语言处理工程师
4. 数据工程师
5. 数据科学家
6. 摘要
7. 参考文献

介绍

When looking at data scientist salaries and data science roles, it became obvious that there are different, more specific facets within data science. These facets relate to unique job positions, specifically, machine learning operations, NLP, data engineering, and data science itself. Of course, there are even more specific positions than these, but these can give you a general summary of what to expect if you land a job in one of these positions. I wanted to pick these four roles, too, because they can be separated well, almost as if it was there was a clustering algorithm that found jobs that were the most different between one another but that were also in the same population. Below, I will be discussing the average base pay with a low and high range, as well as respective seniority levels, the number of estimates used to determine these numbers, and expected skills and experiences for each role.

机器学习工程师

机器学习工程师倾向于将已经研究和构建的数据科学模型应用到生产环境中，通常包括软件工程和机器学习算法知识。话虽如此，你可以想象得到相当不错的薪水。这个特别的估计来自于GlassDoor[3]。

根据大约1900提交的工资，有以下广泛的范围：

• 低-~86000美元
• 平均-~$12.8,000
• 高-~190000美元

正如你所看到的，这是一个范围，就像任何职位一样，你的经验越多，工资越高也就不足为奇了。除了多年的经验，你工作的州，你雇用的技能，公司也会努力创造最终的工资数额--所有这些职位都是如此。为了获得更多的粒度，我们可以查看不同的资历级别，以便了解级别的增加与工资数额的关系：

• 机器学习工程师 L2~$128,000
• 高级机器学习器L3~153,000美元
• 机器学习L4领导者~166,000美元

以下是一些来自个人经验的技能，您可以期望在机器学习职位上使用：

• SQL/Python/Java(有时)
• 算法知识-无监督和有监督分类、时间序列、回归以及封装它们的流行库之间的区别
• 部署平台和工具-AWS、Google Cloud、Azure、Docker、Flask、MLFlow和Airflow-部署模型并与数据科学家合作组成自动化流程

自然语言处理工程师

通常被称为NLP工程师，这个角色通常专注于将数据科学模型或机器学习算法应用于文本数据。NLP工作的一些例子是主题建模、大量文本、语义分析和chatbot代理。话虽如此，你也可以想象出相当不错的工资--然而，这个工资细目将低于机器学习工程师，很可能是因为这个角色不太包容，更专注于数据科学中的特定主题。这个特别的估计也来自于Glassdoor[5]。

根据大约20提交的工资，有以下广泛的范围：

值得注意的是，报告的工资数额相当低，所以对这个范围持怀疑态度，但尽管如此，对这个工资仍然有很高的信心。

• 低-~$80,000
• 平均-~$11.5,000
• 高-~166,000美元

所有这些数量都低于机器学习，然而，与大多数其他角色相比，它们仍然相当高。

以下是一些来自个人经验的技能，你可以期望在自然语言处理工程师的职位上使用：

• NLTK-自然语言工具箱库
• TextBlob
• 斯帕西
• 文本清理和处理(R情绪化标点符号、删除停用词、分离单词的词根、词根和引理化)
• 语义分析-一个例子是分析来自客户的正面和负面评论
• 主题建模-一个例子是在大量文本中发现共同的主题，就像客户评论一样，但不仅仅是好的或坏的评论，而是可以分析产品改进的评论主题:“质量差”与90%的负面评论有关。
• 分类-使用像随机森林这样的算法将传统的数字特征和像描述这样的文本特征结合起来，创建一个将数据分组在一起的模型--像客户分割一样

数据工程师

也许一个更常见的角色是数据工程，它与数据科学比在数据科学之下更相关。然而，这个角色对数据科学工作来说仍然至关重要，有时，数据科学家可以期望知道数据工程师所知道的大部分内容，所以我将在本文分析中包括它。数据工程的一些示例包括创建存储最终用于数据科学模型的数据的ETL作业，以及自动存储模型结果和执行查询优化。这个特别的估计也来自于Glassdoor[7]。

根据大约~6,800提交的工资，有以下广泛的范围：

• 低-~76000美元
• 平均-~$11,000
• 高-~164,000美元

这个范围更类似于自然语言处理工程师的角色，然而，它可能与日常工作中的实际工作角色相距最远。同样重要的是要注意，这个职位涉及到相当多的估计。

以下是一些来自个人经验的技能，您可以期望在数据工程师职位上使用：

• etl-提取、转换和加载
• elt-提取、加载和转换
• 获取将存储在数据库或数据湖中的数据，这些数据可以被查询用于数据分析，查询用于机器学习算法训练，并用于存储数据科学模型结果
• 优化SQL查询-节省公司的时间和金钱

数据科学家

最后，但并非最不重要的，是数据科学家的角色。虽然这个角色看起来是最一般的，但实际上也可以是具体的，通常主要由模型构建过程组成--有时需要数据工程和机器学习工程师操作，但可能性较小--但仍然可能涉及自然语言处理方面的专业(通常如果重点是NLP，那么数据科学家将以此为标题--但不是一直)。这个角色还可以有更多的可变性，所以我们也可以期待一个广泛的范围。这个特别的估计也来自于Glassdoor[9]。

根据大约~16,200提交的工资，有以下广泛的范围：

• 低-~81,000美元
• 平均-~$11.5,000
• 高-~164,000美元

出人意料地低于预期，这一角色在本分析中的大多数其他角色附近。话虽如此，它可能是对离群值最真实和稳健的，因为它是迄今为止提交来组成这些工资数额的最多的工资数额。

以下是一些来自个人经验的技能，您可以期望在数据科学职位上使用：

• SQL,Python,R
• Jupyter笔记本
• 可视化-Tableau、库和包、Google Data Studio、Looker等
• 定义问题陈述、获取数据集、特征工程、模型比较、模型部署和结果讨论
• 示例项目-创建一个分类器，根据几个特性对公司产品进行分组，并使用SQL和Python从各种来源获取数据，以及部署模型和解释结果及其对公司的影响

摘要

While these roles can have several similarities and differences, the same can be said about their salary ranges. Nearly three of the four salaries were similar, with one standing out. That role was machine learning engineer —why is that?My understanding is that this role requires a knowledge of most data science concepts, and especially their output, as well the software engineering involved around deployment — that is a lot to know and employ, so it makes sense why a role that composes both software engineering and data science pays so well. In addition to the salary breakdown of each data science role — or similar to data science in some way, were the skills that you can expect to employ, so that you can have a better idea of the role and how that relates to the salary amount.

总结一下，以下是我们分析的四个职位，以及你可以期望使用的技能：

* 机器学习工程师
* 自然语言处理工程师
* 数据工程师
* 数据科学家

我希望你觉得我的文章既有趣又有用。如果你同意这些数字和范围，请随时在下面发表评论--为什么或为什么不？你认为有一个角色，尤其是，离现实如此之远吗？你还能想到哪些数据科学角色会有不同的工资细分吗？一个角色的其他因素会影响薪水吗？

这些薪金是在美国报告的，因此它们是以美元数额计算的。我与这些公司中的任何一家都没有关联。

请随时查看我的个人资料和其他文章，并在LinkedIn上联系我。

参考文献

[1] Photo byThought CatalogonUnsplash, (2018)

[2]Photo Byassed PhotographyonUnsplash,（2018）

[3]Glassdoor,Inc.,机器学习工程师工资，(2008-2021)

[4]Photo Bybatrick TomassoonUnsplash,（2016）

[5]Glassdoor,Inc.自然语言处理工程师工资，(2008-2021)

[6]Caspar Camille RubinonUnsplash的照片，(2017)

[7]Glassdoor,Inc.,数据工程师工资，(2008-2021)

[8]照片byDaria NepriakhinaonUnsplash，(2017)

[9]Glassdoor,Inc.,数据科学家工资，(2008-2021)

Bio: Matthew Przybyla is Senior 数据科学家 at Favor Delivery, and a freelance technical writer, especially in data science.

原创。经允许转发。

相关:

• 数据科学家 vs 数据工程师 Salary
• 数据科学家 vs 机器学习工程师 – what are their skills?
• The Most In-Demand Skills for 数据科学家s in 2021