Eugene Yan 拆解数据科学家真实工作与角色分化
先了解这件事
2026年10月2日，数据科学家 Eugene Yan 发表文章拆解数据科学家的真实工作内容。他指出，外界普遍误以为数据科学家主要做机器学习和前沿神经网络研究，但机器学习实际只占其日常工作不到20%，从事这类研究者不足整个数据科学社区的1%。他引用 Type A（分析型）与 Type B（构建型）的分类，说明多数数据科学工作的目标是把数据产品落地到生产环境，过程涵盖问题界定、数据获取与清洗、验证框架和流水线搭建等环节。同日，Eugene Yan 另发文指出，数据科学家这一笼统职位如今已分化为数据科学家、应用科学家、研究科学家和机器学习工程师等角色：数据科学家通过 SQL/Hive/Spark 查询与 Python/R 分析驱动业务决策，应用科学家用 ML 系统改善营收、成本与客户体验等业务结果，研究科学家则研究模型压缩、图像分割、语音转文本等更基础、周期更长的问题。
AI 根据报道生成 · 2 小时前更新
事件进展
2 个进展
- 10月2日 21:52 · 1 篇报道数据科学家实际工作内容与公众认知的差异Eugene Yan：Writing：数据科学家到底做什么？Eugene Yan 拆解真实工作内容
- 10月2日 21:52 · 1 篇报道数据科学岗位细分与角色差异解析Eugene Yan：Writing：应用科学家、研究科学家与 ML 工程师：有什么区别？
报道时间线
沿着报道，了解事件的不同侧面。
- Eugene Yan：Writing数据科学家到底做什么？Eugene Yan 拆解真实工作内容
数据科学家 Eugene Yan 指出，外界普遍误以为数据科学家主要做机器学习和前沿神经网络研究，但机器学习实际只占其日常工作不到 20%，且这类研究者不足整个数据科学社区的 1%。他引用 Type A（分析型）与 Type B（构建型）的分类，说明多数数据科学工作的目标是把数据产品落地到生产环境，过程涵盖问题界定、数据获取与清洗、验证框架和流水线搭建等环节。
- Eugene Yan：Writing应用科学家、研究科学家与 ML 工程师：有什么区别？
数据科学家这一笼统职位如今已分化为数据科学家、应用科学家、研究科学家和机器学习工程师等角色。数据科学家通过 SQL/Hive/Spark 查询与 Python/R 分析驱动业务决策，应用科学家用 ML 系统改善营收、成本与客户体验等业务结果，研究科学家则研究模型压缩、图像分割、语音转文本等更基础、周期更长的问题。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 22:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。