Sahil 并非 IT/CS 背景。相反

[tanjimajha12]

Shweta Gupta，Digital Vidya 技术副总裁： 机器学习在数据科学领域不断发展。它在研究和行业垂直领域都发展迅速。然而，机器学习工程师已成为数据科学领域的最佳角色。谈到他们的技能，机器工程师是执行复杂编程并处理复杂数据集的高级程序员。

最近，我有机会与 Network Intelligence 的机器学习工程师/数据科学家 Sahil Bali 进行了交谈，并详细讲述了他作为机器学习工程师的工作。这确实是一次令人耳目一新的对话，让我对机器学习工程师的实际工作有了更多的了解。让我们立即深入了解采访的细节。

萨希尔巴厘岛

，他获得了电子与通信 开曼群岛手机号码数据库 工程学士学位。他的职业生涯始于人力资源招聘人员，在招聘行业工作了一段时间，开始利用免费资源进行机器学习方面的准备，最近还完成了一门付费课程。他 精通数据科学的各个方面，从识别问题、数据理解和准备、建模、评估和部署开始。此外，他是一名适应性强的机器学习工程师，能够从头开始构建机器学习模型并使用 Python 中的 API 进行部署。

你是如何进入数据分析领域的？是什么让你对学习数据分析感兴趣？
Sahil：在亲身实践了数据科学方面的实践项目后，我很幸运能够向数据科学爱好者传授同样的知识，这在很多方面都有帮助。

我认为理解、分析并提出问题的优化解决方案是工程背景的核心技能之一。是的，我一直在努力理解数据，顺便提一句——“如何折磨数据以获得最大的洞察力☺ ”

您记得处理的第一个数据集是什么？您用它做了什么？
Sahil：从技术上讲，Iris 数据集是在其基础上构建的 Logistic 模型。但我强烈地感觉到，在日常生活中，我们会在脑海中生成数据集（日常经验），并在此基础上预测出行时的交通拥堵、交警的存在（尤其是当我们不戴头盔时）等等。

是否有一个特定的“啊哈”时刻让您意识到数据的力量？
Sahil：很多时候我们都没有意识到，因为这是我们多年来一直在做的事情，比如交通堵塞预测（等等），因为这可以节省最宝贵的时间。正式当我构建 ML 模型以集成到我们的产品中时，它通常是在网络安全中检测恶意/网络钓鱼案例。