哪种技能对数据科学家更有用？

Question

1. DevOps
2. 全堆栈开发。

Answer 1

根据我个人的经验，我可以说是DevOps。DevOps技能可以帮助您更高效、更容易地将模型部署到生产中。此外，在某些情况下，DevOps教您如何操作和争论数据，这是每个数据科学家的基本知识。另一方面，完整的堆栈开发包括前端(这是我几乎从未碰到过的)，也包括服务器编程，老实说，这是我从未做过的事情。

Answer 2

如果您已经在工作，或者了解您提到的两个领域；我同意@Nemo_the_scientist所说的话，即数据科学方面的DevOps > Full Stack Development；尽管我觉得这样说有点奇怪，因为这三个领域是重叠的，说一个比另一个更好是不对的。

在我的工作中(作为一名数据科学家/ ML工程师)，我处理了更多的开发操作工作(处理CI/CD管道、模型部署、监视、再培训等)。比任何前端/后端开发都要好。

从逻辑上讲，您可以将一个ML模型看作一个类似于一个完整的业务应用程序的工件，并且您需要不断地将它集成到其他系统中，通过再培训、监视它的性能(无论是在业务上的性能方面，还是在软件方面--预测延迟、模型大小、内存需求等)来保持它的最新水平。这听起来更像是开发操作，而不是全堆栈编程。另一方面，我认为全堆栈程序员能够更好地处理数据库，这将极大地帮助您在数据科学方面发挥作用。

总结:您需要这两个领域的一些技能(也许从开发操作中获得更多的技能)。看看一些受欢迎的在线课程提供了哪些技能，或者大中型公司的招聘广告要求什么技能。