我经历了几个 "数据科学 "的面试过程，其中非常强调SQL/BI类型的技能。其中一家是T1-2公司，但同样，关于ML/统计学的问题为零，除了中级SQL之外，没有任何技术筛选。这是一个宏观趋势还是我只是找到了边缘案例？
我已经有几年没有在外面工作了，但我对角色筛选中对建模/统计的要求如此之低感到惊讶。他们说得好像有一个完全不同的部门负责这项工作。一个人需要为这种工作寻找ML工程的角色吗？
回答：
1、是的，似乎如此。
尽管对于像谷歌、Facebook、Spotify 这样的公司来说，情况一直如此。他们的数据科学家都是产品数据科学家
另一方面，ML 工程师的职位确实显着增加。
2、至少自 2015 年以来，几乎所有大型科技公司都在发生这种情况。
产品分析师 --> 数据科学家
数据科学家 --> ML 工程师、应用科学家或研究科学家，具体取决于角色的重点，从最繁重的工程到最重的研究。
大公司有能力在员工之间进行更多的分工，而小公司则倾向于多面手。还有助于招聘；“分析师”作为初级角色，往往会受到不好的评价，薪酬和晋升潜力不明确。