เคยสงสัยไหมว่า Data Scientist vs AI Engineer คืออะไร สายงานทั้งสองมีความแตกต่างกันอย่างไร แล้วเส้นทางไหนเหมาะกับเรามากกว่า? มาร่วมค้นหาเส้นทางที่ใช่ได้ในบทความนี้

จากรายงาน Emerging Jobs โดย LinkedIn ชี้ให้เห็นว่า AI Engineer และ Data Scientist ยังคงเติบโตอย่างต่อเนื่อง โดยในช่วง 4 ปีที่ผ่านมาสายงานดังกล่าวมีอัตราการเติบโตถึง 74% 

สถิติเหล่านี้แสดงให้เห็นว่า AI Engineer และ Data Scientist มีความสำคัญต่อตลาดแรงงาน เนื่องจาก AI มีความสำคัญขึ้น ซึ่งจะเห็นได้จากข้อมูลของ Gartner ที่ชี้ว่า AI จะกลายเป็นรากฐานของเทคโนโลยีถึง 80% ทำให้การพัฒนาผลิตภัณฑ์ซอฟต์แวร์ AI มีความสำคัญมากขึ้นตามไปด้วย 

และแม้ว่า Skillset ของ AI Engineer และ Data Scientist จะมีความทับซ้อนกัน แต่จริงๆ แล้วก็มีความแตกต่างกันอยู่ โดยทั้งสองต่างก็มีบทบาทในการทำงานที่ส่งเสริมซึ่งกันและกัน เราลองมาสำรวจและทำความเข้าใจกันว่า Data Scientist vs AI Engineer มีความแตกต่างกันอย่างไร

Data Scientist คืออะไร?

Data Scientist เป็นผู้ที่ต้องมีความสามารถในการใช้อัลกอริทึม คณิตศาสตร์ สถิติ การออกแบบ วิศวกรรม การสื่อสาร และการจัดการ เพื่อให้ได้มาซึ่งข้อมูลที่มีประโยชน์และนำข้อมูลเหล่านั้นไปใช้ได้จริง และสร้างอิมแพคต่อธุรกิจ

โดย Data Scientist ใช้เครื่องมือที่หลากหลายในการรวบรวมข้อมูลเชิงลึก เช่น Hadoop, Spark, Python, SQL, R ข้อมูลที่ได้มาทั้งหมดจะนำไปใช้เพื่อเป็นไกด์ให้กับกระบวนการทางธุรกิจ วิเคราะห์ผู้ใช้ คาดการณ์ความเสี่ยงของธุรกิจ ประเมินเทรนด์ของตลาด และนำมาช่วยในการตัดสินใจให้ดีขึ้น เพื่อให้องค์กรบรรลุเป้าหมาย

AI Engineer คืออะไร?

AI Engineer เป็นผู้พัฒนาซอฟต์แวร์สำหรับ AI โดยมีหน้าที่รับผิดชอบในการผลิตแบบจำลองอัจฉริยะอัตโนมัติและฝังไว้ในแอปพลิเคชัน 

โดย AI Engineer จะใช้ Machine learning, Deep learning, หลักการของ Software engineer, การคำนวณอัลกอริทึม, โครงข่ายประสาทเทียม, และ NPL ในการสร้าง รักษา และปรับปรุงโซลูชัน AI อีกทั้งยังต้องทำงานร่วมกับผู้มีส่วนได้ส่วนเสียทางธุรกิจ ในการสร้างโซลูชัน AI เพื่อปรับปรุงการดำเนินงาน การส่งมอบบริการ และการพัฒนาผลิตภัณฑ์

ในบางองค์กร AI Engineer ก็ให้ความสำคัญกับการวิจัยและค้นหาโมเดลเพื่อแก้ปัญหาในระหว่างการเทรน การตรวจสอบ และการปรับใช้ระบบ AI ในการผลิต อีกทั้งยังต้องทำงานร่วมกับนักวิเคราะห์ธุรกิจ (Business Analyst) นักวิทยาศาสตร์ข้อมูล (Data Scientist) และสถาปนิก (Architect) เพื่อทำให้เป้าหมายของธุรกิจสอดคล้องไปกับการวิเคราะห์ข้อมูล

ความแตกต่างระหว่าง Data Scientist vs AI Engineer

Data Scientist มีหน้าที่ทำทุกอย่าง ตั้งแต่การตั้งค่าเซิร์ฟเวอร์ไปจนถึงการนำเสนอข้อมูลเชิงลึก ตัวอย่างงานบางส่วนของ Data Scientist:

• ระบุปัญหาทางธุรกิจและรวบรวมข้อมูลเพื่อแก้ปัญหา
• จัดเตรียมข้อมูลก่อนการวิเคราะห์
• ใช้แบบจำลองทางสถิติเพื่อปรับปรุงผลลัพธ์ของแบบจำลอง
• ทำงานร่วมกับ Data Analyst, AI Engineer และผู้มีส่วนได้ส่วนเสียอื่นๆ เพื่อให้ได้รับการตัดสินใจทางธุรกิจที่ดีขึ้น

ในขณะที่ AI Engineer มีหน้าที่:

• สร้างและปรับใช้อัลกอริทึม AI
• พัฒนา API ที่มีความยืดหยุ่น ปรับขนาดได้ และเชื่อถือได้ เพื่อรวบรวมข้อมูลเข้ากับแอปพลิเคชัน
• สร้างโครงสร้างพื้นฐานอย่างเช่นโค้ด
• พัฒนาและปรับปรุงรักษาสถาปัตยกรรม
• ดูความต้องการโดยรวมของ AI

จะเห็นได้ว่า Data Scientist จะเป็นผู้ที่มีความเกี่ยวข้องกับข้อมูลเป็นส่วนใหญ่ เพื่อนำข้อมูลไปวิเคราะห์และนำไปใช้ต่อ สำหรับใครที่ต้องการเป็น Data Scientist จะต้องสำเร็จการศึกษาปริญญาในคณะ Computer science, Economics, Social sciences, Physical sciences, และ Statistics โดย Data Scientist ส่วนใหญ่จะสำเร็จการศึกษาระดับปริญญาโทหรือปริญญาเอก

ส่วนด้าน AI Engineer จะมีความเกี่ยวข้องกับการสร้างและการพัฒนาอัลกอริทึม AI แต่งานทั้งสองด้านก็มีความเกี่ยวเนื่องกัน เนื่องจากต้องทำงานร่วมกันเพื่อหาโซลูชันที่ดีที่สุดให้กับธุรกิจ และสำหรับผู้ที่อยากเป็น AI Engineer จะต้องสำเร็จการศึกษาในคณะ Math, Statistics, Economics, Engineering (สายไหนก็ได้), Computer Science, IT, Linguistics, หรือ Cognitive Science.

ทักษะที่จำเป็นต้องมีของ Data Scientist และ AI Engineer

Data Scientist กับ AI Engineer อาจมีความทับซ้อนกันในทักษะเชิงเทคนิค เช่น การใช้ภาษาโปรแกรม Python หรือ R และงานทั้งสองต้องมีความรู้ทางด้านคณิตศาสตร์และสถิติขั้นสูง แต่ก็จะมีทักษะบางอย่างที่มีความจำเป็นแตกต่างกันไป

ทักษะที่จำเป็นต้องมีสำหรับ Data Scientist

• มีความรู้ทางคณิตศาสตร์และสถิติที่ดีเยี่ยม 
• สามารถเขียนโปรแกรมด้วย Python และ R ได้
• มีความรู้เกี่ยวกับเครื่องมือ Big Data เช่น Hadoop, Spark, Pig, Hive และอื่นๆ
• สามารถใช้ SQL ได้เป็นอย่างดี 
• สามารถใช้เครื่องมือการทำ Data visualisation ได้ เช่น Tableau, QlikView และอื่นๆ
• มีความเข้าใจในเรื่อง Data Mining, Data Cleaning และ Data Management

ทักษะที่จำเป็นต้องมีสำหรับ AI Engineer

• มีความเชี่ยวชาญการใช้ภาษาโปรแกรม Python และ R
• มีความรู้พื้นฐานเกี่ยวกับ Computer Science และ Software Engineering
• มีความรู้ด้านคณิตศาสตร์และอัลกอริทึม
• มีความสามารถในการประเมินข้อมูลและการออกแบบสถาปัตยกรรม
• มีความรู้เรื่อง Linux/Unix
• มีความรู้เกี่ยวกับระบบการประมวลผลแบบกระจาย (Distributed Computing)
• มีความเข้าใจ Cognitive Science เพื่อทำความเข้าใจอารมณ์ ภาษา การรับรู้ และความจำของมนุษย์
• มีความเข้าใจเกี่ยวกับกระบวนการคิดของมนุษย์เป็นอย่างดี
• มีความรู้เรื่อง Machine learning, Deep learning, สถาปัตยกรรมโครงข่ายประสาทเทียม, การประมวลผลภาพ, Computer vision และ NLP

จากข้อมูลโดย World Economic Forum พบว่า AI จะทำให้เกิดงานใหม่กว่า 58 ล้านตำแหน่ง อีกทั้ง Data Scientist และ AI Engineer ก็กำลังจะเป็นที่ต้องการสูงขึ้น ทำให้เห็นว่า Data Scientist และ AI Engineer มีความสำคัญต่อโลกการทำงานในอนาคตทั้งคู่ 

ไม่ว่าจะเป็นบัณฑิตจบใหม่หรือผู้ที่กำลังหางานใหม่อยู่ การพัฒนาทักษะทั้งสองด้านนี้ก็ถือว่าเป็นทางเลือกที่ดีเพื่อการเติบโตในอาชีพการงานในอนาคต แต่หากยังไม่รู้ว่าจะเลือกทางไหนดี ก็ให้ลองดูทักษะที่จำเป็นต้องมีว่าสายงานไหนตรงกับความเป็นตัวเองมากที่สุด ก็อาจทำให้พบเจอเส้นทางที่ใช่ได้ 

ที่มา - Springboard