Je consacre souvent beaucoup de temps à rechercher et à suivre des experts authentiques dans le domaine du Big Data sur LinkedIn. Je trouve que c'est une excellente façon d'en apprendre davantage sur ce secteur en perpétuelle évolution. Cependant, j'ai réalisé que bon nombre des profils que je rencontre revendiquent des titres ou des compétences qui ne correspondent pas nécessairement à une expertise réelle dans le domaine.
Pour clarifier, un Data Scientist est littéralement un scientifique des données. Son rôle consiste à analyser des ensembles de données pour en extraire des informations pertinentes (voir plus de détails dans cet article). Quant au Machine Learning Engineer, il se spécialise dans la création et le déploiement de modèles de machine learning. Son travail implique diverses étapes telles que le prétraitement des données, la définition des tâches, le choix des modèles appropriés et l'évaluation des performances. De plus, un ML Engineer possédant des compétences avancées en Deep Learning peut être qualifié d'ingénieur en intelligence artificielle (AI Engineer). Toutefois, je tiens à souligner que mon intérêt se porte principalement sur le Big Data et non sur l'IA, bien que ces deux domaines soient étroitement liés.
Un ML Engineer crée des modèles pour simuler ou les implémenter dans des systèmes visant à réaliser un raisonnement intelligent. Par exemple, ces modèles peuvent être utilisés dans des robots humanoïdes ou d'autres applications similaires. En revanche, un Data Scientist utilise des modèles existants dans le but d'automatiser des processus de traitement des données, comme le tri ou la création de clusters.
La principale différence réside dans le fait qu'un Data Scientist ne se contente pas d'utiliser des ensembles de données préexistants ; il doit parfois les construire lui-même. De plus, il doit être capable de développer des API et d'autres outils pour faciliter son travail. En revanche, un ML Engineer attend généralement de recevoir un ensemble de données avant de commencer à concevoir son modèle.
En conclusion, si votre travail en tant que Data Scientist se limite à la création de modèles, il est possible que vous soyez davantage un ML Engineer qu'un Data Scientist.
Commentaires