Nul
LinkedIn vrijgegeven gegevens over de banen die hebben ervaren de meeste groei in de aantallen van de afgelopen jaren, en het is eerlijk om te zeggen dat tech data vaardigheden behoren tot de snelst groeiende categorieën, in het bijzonder deze die betrekking hebben op het werken met gegevens.
Foto: Joe McKendrick
Bovenaan de lijst is machine learning ingenieur, een baan categorie dat is uitgegroeid 10-voudig tussen 2012 en 2017. Dit werd gevolgd door gegevens wetenschapper, te vermenigvuldigen met een factor zeven tijdens deze zelfde tijd. Er zijn ook zes keer zo veel big data-ontwikkelaars, en full-stack ingenieurs.
“Complete sets van vaardigheden die betrekking hebben op meerdere disciplines zijn schijnbaar in een hogere vraag,” de auteurs van het rapport staat. “Veel van de rollen op deze lijst vallen meerdere disciplines en zijn van toepassing op meerdere industrieën.”
De LinkedIn-top-10 meest toonaangevende categorieën zijn als volgt:
- Machine learning engineer (9,8 x zoveel jobholders als in 2012) Gegevens wetenschapper (6,5 x) Sales development represenative (5,7 x) Klant suvcess manaer (5.6 x) Bigb gegevens ontwikkelaar (5.5 x) Full stack engineer (5.5 x) Applicatie ontwikkelaar (5.1 x) Bestuurder van data science (4,9 x) Merk partner (4,5 x) Full-stack ontwikkelaar (4,5 x)
Dus wat doet een machine learning engineer doen? Er is overlap met de gegevens van de wetenschap, maar ‘machine learning’ – ingenieurs richten zich op het beheren van de systemen kant van de dingen. Ben Lorica en Mike Loukides beschreven de baan in een recent artikel op de O ‘ Reilly site, machine learning ingenieurs zijn in de gegevens wetenschap rijk, maar spelen ook een rol in het beheer van de infrastructuur en onderhoud. Deze professionals “hebben sterker software engineering vaardigheden dan de typische gegevens wetenschappers.”
De LinkedIn-onderzoekers ook gekeken naar de vaardigheden die te maken hebben met leidende posities. Hier is wat ze hebben gevonden en gerapporteerd voor de top drie tech/data baan rollen. Merk op hoe zelfs “het succes van de klant managers” (wat ik denk dat zijn meer gedreven dan de gewone oude customer service managers) technologie vaardigheden:
Machine Learning Ingenieur
Machine Learning Onderzoek Algoritmen Software Diep Leren
Gegevens Wetenschapper
Data Science Machine Learning Analytics Data Mining Python
Customer Success Manager
Beheer Software-as-a-Service Enterprise-Software de Verkoop Succes van de Klant Management
Big Data Ontwikkelaar
Big Data, Hadoop-Java [Apache] Bijenkorf Start-Ups
Interessant is dat LinkedIn ook nam nog een stap verder, en geanalyseerd op de lijn voor mensen in deze posities — de loopbaan die zij namen om er te komen. Hier is wat zij vinden de professionals het doen waren vijf jaar geleden:
Machine learning technici zijn hun carrière begonnen als software engineers, data-wetenschappers, of als assistenten. Gegevens wetenschappers waren ofwel business analisten of assistenten. Big data ontwikkelaars zijn software engineers Java engineers, of ETL ontwikkelaars.
Andere rollen binnen HET zijn niet echt goed, het LinkiedIn auteurs staat. “Vanuit gespecialiseerde ontwikkelaar rollen, juridische specialisten, en zelfs gespecialiseerde logistieke functies, zien we deze rollen worden vervangen ten gunste van een meer uitgebreide vaardigheden en functiebenamingen,” schrijven ze. “Bijvoorbeeld, Flash-gerelateerde rollen zijn aan het afnemen als de technologie verliest stoom in het voordeel van meer big data en machine learning rollen.”
Verwante Onderwerpen:
Big Data Analytics
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software
0