Статья на Хабре показывает, как быстро происходит трансформация Data Science в сторону инженерии: по прогнозам, количество вакансий в сфере AI будет расти на 40% ежегодно, что создаст свыше миллиона рабочих мест к 2027 году. При этом требования к Data Scientist’ам и AI Engineer всё больше пересекаются.

Если раньше DS концентрировались на моделях и анализе данных, то сегодня от них ожидают знания MLOps, DevOps и облачных платформ (AWS, Azure). Анализ вакансий показывает: Python упоминается в 56–57% объявлений, SQL — в 26–30%, машинное обучение — в 69%, а навыки NLP выросли с 5% до 19% за год. Навыки работы с TensorFlow/PyTorch и облачными сервисами встречаются в 10–29% вакансий, и почти обязательны для AI-инженеров.

Автор статьи делится личным опытом перехода в AI Engineering: ключевые отличия — упор на CI/CD, автоматизацию, деплой в облаке и написание кода для продакшена. В числе инструментов — GitHub Actions, MLflow, Azure ML, Terraform, FastAPI, Snowflake. Подчёркивается важность юнит-тестов и шаблонов MLOps для ускорения вывода моделей в продакшн.

Главный вывод: Data Science перестаёт быть исследовательской функцией и превращается в инженерную дисциплину, где ценится способность довести модель до реальной эксплуатации, обеспечить её стабильность и интеграцию в продуктовые процессы.