AI時代下數據人的生存法則📈（本網站宣傳照）

圖／JackYi　

文／JackYi 

© 照片版權皆歸本網站作者所有

初稿時間：2024.12.29

最後更新時間：2025.01.10

前言

這是一場關於「AI時代下第一線數據工作者生存法則」的線上直播活動，由「資料科學家的工作日常」社群主辦。

活動邀請到數創智能的執行長Vincent分享他多年在數據領域的經驗，並探討在AI快速發展的時代下，數據工作者如何應對挑戰，提升自身價值。

Vincent在演講中從自身經驗出發，探討AI時代資料科學家的轉型方向及分析了AI的發展趨勢，並對數據分析、數據科學、數據工程等不同職務的未來發展方向提出了預測。

此外，他強調了軟實力在未來的重要性，例如領域知識、說故事能力和顧問能力，並預測AI工程師將成為炙手可熱的職位。

此外，直播也包含與聽眾的互動環節，討論資料科學家的不同角色定位、產業趨勢以及如何持續學習與提升自身競爭力，鼓勵數據工作者要不斷學習新技能、掌握AI工具，才能在AI時代保持競爭力。 

活動簡介

○ 主辦單位：「資料科學家的工作日常」社群

○ 主持人：維元

○ 講者：數創智能執行長Vincent

○ 分享主題：AI 時代下，數據人不被取代的生存法則 | 開箱 #第一線資料科學工作者 系列活動 #36：https://www.youtube.com/watch?v=COsqZZiZZNU&t=151s

大綱

※AI發展趨勢：

    ○ 生成式AI (Generative AI) 的發展階段：

        ■ Level 1: box (2022年，例如：ChatGPT 3.5)

        ■ Level 2: reason (當前階段，模型具備推理能力)

        ■ Level 3: AI agent (預計2025年，AI 代理元年)

        ■ Level 4: AI輔助人類創新

        ■  Level 5: AI主導大部分工作

        ■  傳統機器學習 (Classic Machine Learning) 的應用持續擴展，並與生成式AI結合。

※數據職務的未來預測： 

    ○ 數據分析師 (Data Analyst)：

        ■ 角色轉變為技能，成為各行業專家的必備能力

        ■  需深入理解業務場景，並掌握AI工具

        ■ 初階崗位可能被AI取代，但高階分析師價值提升

    ○ 資料科學家 (Data Scientist)：

        ■ 需掌握AI工具，並將模型部署到生產環境 (Production)

        ■  DS (資料科學家) 與 MLE (機器學習工程師) 的角色正在融合

        ■ 工程基礎能力 (API調用、CI/CD) 更重要

    ○ 數據工程師 (Data Engineer)：

        ■ 受AI影響相對較小，但需掌握新工具

        ■ 與軟體工程師的界限可能更加模糊

※數據人適應未來發展原則：

    ○ 淡化數據人角色局限，將自己定位為解決問題的人

    ○ 軟實力 (Soft Skills) 比硬實力 (Hard Skills) 更重要**

        ■ 軟實力：理解業務、溝通、領導能力

        ■ 硬實力： Prompt engineering、原理性知識

                 ◎ Prompt engineering：善用自然語言調用AI模型，穩定產出結果

                 ◎ 原理性知識：深入理解數學原理，避免AI產生不會報錯的錯誤

※未來風口：AI 工程師 (AI Engineer)

    ○ 定義：調用大型模型API，完成產品搭建的工程師

    ○ 技能組成：領域知識 (Domain knowledge) + Prompt engineering + Agentic workflow + RAG

    ○ 無需深入了解深度學習，只需理解概念

重點整理

    ○ AI發展趨勢：生成式AI發展迅速，將經歷從推理到AI Agent的階段，最終可能達到AGI (人工通用智慧)。同時，傳統機器學習的應用也會持續擴展，並與生成式AI結合。

    ○ 數據職務的轉變：數據分析師的角色將轉變為一種技能，各領域專家都需具備。資料科學家需更重視工程能力，將模型部署到實際應用。數據工程師需掌握新工具，與軟體工程師的界限可能更模糊。

    ○ 軟實力的重要性：在AI時代，軟實力如理解業務、溝通、領導等更為重要。數據工作者應具備全局觀，將自己定位為解決問題的人。

    ○ Prompt engineering 和 原理知識：
Prompt engineering：善用自然語言調用AI模型，確保產出結果的穩定性。
原理性知識：深入理解底層的數學原理，避免模型產生不易察覺的錯誤。

    ○ AI 工程師的崛起： AI 工程師將成為熱門職位，他們利用大型模型的 API，搭建各種 AI 應用。其技能組成包括領域知識、prompt engineering、agentic workflow 和 RAG。

Slogan

擁抱AI，數據賦能，智領未來！

結語

AI時代的來臨，對數據工作者來說既是挑戰也是機遇。面對AI的快速發展，我們不應感到恐懼，而是要積極擁抱變化，不斷學習新技能，掌握AI工具，將AI轉化為助力，提升自身價值。❤️

■　你／妳可能還想瞭解▼