2、机器学习系统设计：概念、重要性与根源

机器学习系统设计：概念、重要性与根源

1. 机器学习系统设计的定义难题

机器学习（ML）系统设计是一个相对较新的术语，常常让业内人士感到困惑。很多人难以明确这个术语背后的职责范围，更不用说为相关职位找到合适的名称了。这个工作可能由ML工程师、软件工程师甚至数据科学家来完成，具体取决于他们的角色范围。

在深入科技/大型科技公司面试ML工程师/经理职位时，ML系统设计这个词可能会让人觉得熟悉。然而，当向不同的人征求对其定义的意见时，却发现这个术语引发了诸多分歧和不同的解读。

目前，并没有一个完全与ML系统设计范围直接相关的职位。不过，如果遇到从事这方面工作的人，他们很可能是数据科学家。数据科学家这个职位的职责范围非常广泛且模糊，不同公司的数据科学家所做的工作可能截然不同，例如：
- 创建Excel数据透视表。
- 设置10PB的分布式集群。
- 构建实时计算机视觉系统。
- 部署大量聊天机器人。
- 使用Tableau/Metabase/Looker/PowerBI进行数据可视化。
- 编写SQL脚本。
- 进行A/B测试。
- 创建推荐系统。
- 与利益相关者进行沟通。
- 回答高层管理人员的问题。

可以看出，“数据科学家”这个简洁的头衔背后，承载着一系列繁杂的职能，它已经成为一个涵盖了超出数据工程师、ML工程师和研究工程师常见工作范围的“万金油”术语。

而对于ML系统设计，情况则恰恰相反：这是一种没有通用名称，但有明确职能和责任的现象，需要将这些职能组织起来，形成一个相互关联的连贯结构。

下面给出ML系统设计的定义：机器学