关于这个角色
关于 Diversified：Diversified 是视听和媒体创新领域的全球领导者，因设计和建造世界上最具体验性的环境而闻名。
技能/类别
关于数据/机器学习角色
数据和机器学习角色分为三个阵营：分析师（SQL、仪表板、业务问题）、工程师（管道、基础设施）和科学家（建模、实验）。职位名称并不总能告诉您是哪个职位——请仔细阅读职位描述。
典型技能： SQL、Python、pandas、基本统计； ML 角色添加 scikit-learn / PyTorch / TensorFlow；工程角色添加 Airflow / dbt / Spark
薪资洞察（美国，粗略）
美国数据/毫升角色的典型范围是 $85,000–$240,000/年，随资历、公司阶段和城市的不同而有很大差异。
仅估计。有关公司特定的数字，请查看levels.fyi（技术）、Glassdoor，或在面试中询问。
如何准备面试
数据采访分裂： 分析师 获取 SQL + 案例研究问题， 工程师 获得管道设计+编码， 科学家 获取统计数据 + ML 建模 + 有时是带回家的数据集。仔细阅读 JD 并为真正的风格做好准备——不要为了分析师的角色而在 PyTorch 上浪费时间。
这三个方面的常见问题： “您如何衡量[产品功能]的成功？”, “带我了解一个项目，其中的数据告诉你一些令人惊讶的事情”, 和 SQL 窗口函数 （LAG、ROW_NUMBER、PARTITION BY — 具体练习这些）。对于 ML 角色，预计会出现有关过度拟合、偏差-方差权衡以及如何调试在训练中表现良好但在生产中表现不佳的模型的问题。
这个角色通常会带来什么
随着学科的成熟，数据/机器学习的职业道路变得更加混乱。最清晰的进展： 初级分析师 → 高级分析师 → 分析经理 在分析师方面， 初级数据工程师→高级→员工 在工程方面，以及 初级 DS → 高级 DS → 首席 DS / ML 主管 在建模方面。大型科技公司的机器学习工程师和研究科学家的薪资最高。
跨学科调动很常见：学习工程的分析师的收入往往高于没有学习业务背景的工程师。密切关注业务——最有价值的数据是高管们带入战略讨论的数据，而不是单独构建仪表板的数据。
需要注意的危险信号
- “数据科学家”角色实际上是 SQL 分析师。 仔细阅读职责——如果都是仪表板和临时查询，那么它就是一个具有科学头衔的分析师角色。
- 没有提及利益相关者的合作。 孤立的数据工作通常是被忽略的数据工作。该角色需要融入业务团队。
- “AI / ML”随处可见，但没有具体说明。 如果他们无法说出他们想要通过机器学习解决的实际问题，那么该公司就在购买流行语。
- 要求“使用 Python 10 年以上”或不可能的组合。 JD 要么是 HR 在没有数据团队输入的情况下编写的，要么是公司有不切实际的期望。
常见问题
我如何申请这个角色？
单击本页顶部的“在喜马拉雅山申请”按钮。您将被发送到雇主接受申请的原始职位。 Wikishopline 不收集简历或处理申请。
此列表是最新的吗？
Wikishopline 每天都会从合作伙伴来源（喜马拉雅山）汇总职位信息。超过 14 天的帖子会被删除，但在您花时间写求职信之前，请务必验证该职位在雇主网站上是否仍处于空缺状态。
Wikishopline 是否向雇主或申请人收费？
不会。聚合的工作对双方都是免费的。 Wikishopline 还接受在 /jobs/submit 上为想要直接可见性的雇主支付 5 美元/30 天的付费帖子 - 但您正在查看的列表来自合作伙伴。
数据/机器学习角色通常涉及什么？
数据和机器学习角色分为三个阵营：分析师（SQL、仪表板、业务问题）、工程师（管道、基础设施）和科学家（建模、实验）。职位名称并不总能告诉您是哪个职位——请仔细阅读职位描述。
美国数据/机器学习职位的典型薪资范围是多少？
大约 85,000 美元至 240,000 美元/年，具体取决于资历、地点和公司阶段。这是有目的的一个广泛的范围 - 对照特定公司的levels.fyi 或Glassdoor 进行验证。
