GenAI資料科學家成為炙手可熱蓬勃發展的新職位

生成式人工智慧（GenAI）已在創紀錄的時間內從實驗研究發展成為企業級應用。ChatGPT 等工具、人工智慧驅動的協作機器人以及各行各業的定製人工智慧代理的興起，導致企業中出現了許多新的角色和團隊。其中一個蓬勃發展的新職業道路就是生成式人工智慧或 GenAI 資料科學家。該職位是資料科學、機器學習和生成式人工智慧之間的橋樑，是目前科技領域最熱門的職位之一。在本文中，我們將探討 GenAI 資料科學家的工作內容、這一工作的薪資趨勢、所需資格，以及有抱負的專業人士如何轉入這一高成長性職業。

誰是GenAI資料科學家？

GenAI 資料科學家擅長設計、訓練、微調和部署生成式人工智慧模型，如大型語言模型 (LLM)、擴散模型和生成對抗網路(GAN)。他們在傳統資料科學和深度學習的交叉領域開展工作，重點關注內容生成任務。這包括文字生成、程式碼生成、合成資料建立、影像/影片生成，甚至語音合成。

與主要關注預測性和規範性分析的傳統資料科學家不同，GenAI 資料科學家強調創造性的人工智慧產出。他們與人工智慧研究人員、提示工程師、產品團隊和 MLOps 工程師密切合作，開發生產級的生成式人工智慧應用。

GenAI 資料科學家做什麼？

GenAI 資料科學家是生成式人工智慧系統的核心，經常與 ML 工程師、資料工程師和產品團隊合作。雖然具體職責可能因公司而異，但以下是 GenAI 資料科學家的大致工作內容：

• 使用轉換器、VAE、GAN 和擴散模型設計和實施生成模型。
• 設計 RAG（檢索增強生成）和代理工作流。
• 在特定領域資料集上微調基礎模型（如 GPT、LLaMA、Mistral、BERT）。
• 為資料收集、預處理和合成資料生成建立管道。
• 與跨職能團隊合作開發人工智慧產品（聊天機器人、協同機器人、內容生成器等）。
• 使用 GenAI 專用基準（如 MMLU、HellaSwag、BLEU/ROUGE、TruthfulQA 等）評估模型效能。
• 最佳化模型的效率、準確性和安全性（偏差、幻覺、毒性等）。
• 為培訓/微調任務收集資料和提示。
• 參與或維護提示工程庫和工具鏈。
• 開展新架構或模型應用的研發工作。

哪些公司正在招聘GenAI資料科學家？

科技巨頭、人工智慧先行企業和整合 GenAI 解決方案的企業級諮詢公司對生成式人工智慧資料科學家的需求都很旺盛。正在積極招聘這一職位的公司（截至 2025 年 4 月）包括：

科技巨頭

• Google DeepMind 和 Google Cloud AI：用於 Gemini 和基礎模型調整。
• Meta AI：用於 LLaMA 研究和商業 GenAI 應用。
• Microsoft Azure：用於在 Microsoft 365 生態系統中進行 Copilot 整合。
• 亞馬遜 AWS 人工智慧實驗室：用於 AWS Bedrock 和 Titan AI 計劃。
• 蘋果公司：用於裝置上的 GenAI 模型和注重隱私的 AI 功能。

企業與諮詢

• 埃森哲（Accenture）、德勤（Deloitte）、高盛（Goldman Sachs）和安永（EY）：為各行業客戶構建 GenAI 解決方案。
• Salesforce：利用 Einstein GPT 擴充套件人工智慧功能。
• SAP、Infosys、TCS 和Wipro：將 GenAI 模型整合到客戶交付中。

人工智慧先行企業

• Anthropic：用於模型開發和紅隊。
• OpenAI：用於其不斷擴大的研究和部署團隊。
• Cohere：用於微調 LLM、RAG 系統和企業 NLP 模型。
• Mistral AI：用於提高訓練效率、架構創新和模型提煉。
• Adept AI：用於構建可執行現實世界工作流程的代理基礎模型。
• Runway：用於建立基礎影片生成模型。
• Hugging Face：用於改進開放權重 LLM、資料集策劃和 GenAI 評估工具。

除科技公司外，醫療保健（如梅奧診所）、金融（如摩根大通）、零售（如沃爾瑪實驗室）和媒體（如迪斯尼人工智慧實驗室）領域也出現了 GenAI 資料科學家的職位。

在中國，阿里巴巴、騰訊、百度、華為，以及字節跳動等科技巨頭公司也在積極尋找 GenAI 資料科學家。中國在人工智慧領域發展迅速，許多初創AI公司也在物色優秀的 GenAI 資料科學家！

GenAI資料科學家的薪資範圍

由於 GenAI 資料科學家職位的高需求和所需的利基專業知識，該職位提供了科技行業最具競爭力的薪酬。根據公司、地點和專業水平的不同，印度的薪酬範圍在 12 ₹ – 60 LPA+ 之間，美國的薪酬範圍在 12 萬美元 – 35 萬美元+之間。

例如，中國的北京、上海、深圳和廣州等一線城市以及人工智慧先行公司的 GenAI 資料科學家薪酬較高。此外，中國的初創企業和國際公司可能會提供 ESOP，甚至提供超過 80 萬的遠端職位（一般為國際性的企業或中國的跨國公司，如 TikTok 國際業務、華為外派團隊）。

與此同時，美國的 FAANG+ 公司和尖端初創公司可能會為頂級 GenAI 資料科學家提供超過 50 萬美元的總薪酬。獎金、股票期權（尤其是在初創公司）和績效獎勵通常也是薪酬方案的一部分。

資料來源 X

* 薪酬標準來自 Indeed、Glassdoor 和 LinkedIn 上的各種招聘資訊。

如何成為GenAI資料科學家

轉變為 GenAI 資料科學家需要基礎知識和特定領域的技能。以下是如何成為 Genative AI 資料科學家的分步指南：

1. 打下堅實的基礎

首先，打下資料科學基礎知識和相關主題的堅實基礎。 – 提高 Python 的熟練程度，獲得使用資料科學相關庫的經驗。

2. 學習生成式人工智慧概念

瞭解生成式人工智慧的基本概念對於本職位同樣重要。- 瞭解 GenAI 架構，學習語言建模、標記化、自迴歸和掩碼建模。- 學習提示工程、帶人類反饋的強化學習 (RLHF) 和模型微調等概念。

3. 獲得實踐經驗

在學習上述主題的同時，您還將獲得在各種任務中使用這些主題的實踐經驗。為了進一步實踐，您可以：

• – 使用 OpenAI API、LangChain 或 LlamaIndex 構建真實世界的應用程式。
• – 在特定領域的任務中訓練/微調小型語言模型（如 FLAN-T5、DistilGPT2）。

4. 展示您的作品

在學習過程中，您會有許多不同的專案。記錄這些專案並建立一個作品集非常重要，因為這將是你工作的見證，有助於你日後找工作。以下是一些關於如何做到這一點的提示：-維護一個包含筆記本、演示和模型評估的 GitHub 個人檔案。-撰寫部落格，為開源 GenAI 專案做貢獻，或發表研究論文。

• -使用 OpenAI、Hugging Face Transformers 或 LlamaIndex 建立專案。
• -建立一個包含聊天機器人、AI 協同機器人或生成藝術工具等不同專案的作品集。
• -參加 AI 駭客馬拉松和競賽（如 Kaggle、Hugging Face Challenges）。

5. 獲得相關證書

學習一些相關課程並獲得可靠的證書將進一步擴充套件您的知識面，並增加您獲得 GenAI 資料科學家工作的機會。以下是一些可以考慮的課程：

• – DeepLearning.AI 的 Generative AI with LLMs 專業課程
• – Hugging Face 的 Transformers 和 Diffusion Models 課程
• – Google 的 GenAI 開發者認證
• – Fast.ai 的實用深度學習課程

所需資格和經驗

以下是成為生成式人工智慧資料科學家所需的資格和經驗。

教育背景

• 電腦科學、資料科學、人工智慧或相關專業的學士或碩士學位。
• 研究型職位優先考慮博士學位，但行業職位不強制要求博士學位。

技術技能

• 具有使用 Python、PyTorch、TensorFlow 的經驗。
• 熟悉 LLM（GPT、BERT、LLaMA、Claude 等）和擴散模型（穩定擴散、DALL-E）。
• 基本瞭解 LSTM、VAE 和 GAN 等 GenAI 架構。
• 瞭解深度學習基礎（CNN、RNN、Transformers）和模型評估指標（例如，perplexity、BLEU、ROUGE）。
• 瞭解向量資料庫、RAG 管道和提示最佳化（提示工程和提示鏈）。
• 熟悉 MLOps 和部署框架（Docker、MLflow、Weights & Biases、KServe）。
• 瞭解人工智慧倫理、公平性和模型可解釋性。

軟技能

• 解決問題能力強。
• 協作和溝通能力。
• 對快速發展的 GenAI 領域充滿好奇，勇於嘗試並保持更新。

誰應該考慮這個職位？

GenAI 資料科學家的理想人選是

• 希望轉向 GenAI 的資料科學家或 ML 工程師。
• 尋求行業應用的人工智慧研究人員或博士畢業生。
• 對創造性人工智慧或代理感興趣的開發人員/設計師。
• 人工智慧趨勢的早期採用者。

GenAI資料科學家的未來

從人工智慧程式碼助手和內容生成器到藥物發現和工業設計，GenAI 的應用正呈爆炸式增長，而 GenAI 資料科學家正處於這一轉變的最前沿。他們不僅負責讓機器“理解”資料，還負責生成類似人類的反應和新穎的內容。

這個角色令人興奮，但也瞬息萬變。幾乎每週都有新的模型、基準和框架釋出。因此，學習的速度和實驗的需求都很高。展望未來，道德部署、資料隱私和人工智慧的可解釋性仍將是人們關注的核心問題，從而導致對 GenAI 勞動力的需求增加。

麥肯錫 2023 年的一項研究預測，GenAI 每年將為全球經濟增加高達 4.4 萬億美元的收入。其他報告指出，到 2030 年，大多數人工智慧驅動的應用將涉及某種形式的生成 – 無論是自動生成草稿、個性化輔導，還是透過代理實現機器人流程自動化。這意味著 GenAI 資料科學家的角色不僅僅是一種趨勢，它還是下一代人工智慧勞動力的基礎。

小結

GenAI 資料科學家的角色不僅僅是一份工作，它還是智慧、創造力和自動化未來的前排座椅。如果你對人工智慧充滿熱情，並希望超越傳統的分析方法，建立富有創造力的智慧系統，那麼現在就是你的機會。透過將深厚的技術知識與創新天賦相結合，你可以在本十年最有前途的職業之一中佔據一席之地。無論您是學生、職業生涯中期的專業人士還是技術領導者，現在都是探索如何參與這場人工智慧革命的時候了。