2017年夏天，正在大學進行專案研究的我，因為區塊鏈新穎的概念以及酷炫的名字，而對此產生了濃厚的興趣。然而，儘管我在大學期間的創業和教學，使自己具備一定的工作經驗，但像我這樣的本科生很難在區塊鏈行業的頂級公司尋求實習的機會。因此，為了獲得大公司的工作閱歷，我收到了微軟的資料和人工智慧顧問實習offer，為期6個月。
但後來我發現，資料和人工智慧工程師並不適合我，也不是我想要的工作，所以我決定畢業後攻讀區塊鏈博士學位，使我做出如此決定主要有兩個原因：
研究員和工程師的區別
對我而言，研究員與工程師最大的區別在於：前者可以投入時間和精力創造新的價值。
在大型企業中，大多數時候，工程師需要等待銷售部門與客戶簽訂協議，然後完成分配的工作以滿足客戶的需求。在創業團隊中，工程師可能即是研發人員又是銷售人員。但不管怎樣，客戶都希望工程師能夠利用現有的工具和方法，按照標準架構進行作業，以對大限度的降低風險並快速交付任務。工程師沒有時間和精力來開發新演算法，當然也無法承擔實驗失敗的風險。
如果是一名研究人員，你的主要工作是透過儘可能多地閱讀和學習，確保瞭解最新的思想和趨勢，開發一個全新的解決方案，並根據實踐資料來解決特定的問題。如果你有一個價值發現，可以發表在學術期刊上，能夠讓你的研究成果幫助更多的研究人員。
所以在研究員和工程師之間，我個人認為前者更具有挑戰性，值得我更多的付出。
對於一個剛畢業的學生來講，先成為研究員還是先成為工程師是一個很重要的事情。我諮詢了我的導師，一個已經拿上博士學位9年的微軟資料科學家。我認識到了先成為研究員的好處，簡單的說，工程師只能透過各種會議論壇才能接觸這一領域的專家，一旦進入到工作崗位上，就很難親自見到他們。我的導師就建議我先成為一名研究員，可以更好的建立和完善我的知識庫。
儘管有許多人在開始研究之前已經工作幾年，但需要注意的是，申請研究生學位的難度會隨著你離開大學的時長而增加，並可能會失去教授的推薦機會，以及其他應屆畢業生考研的優勢。
對我來說，作為一名研究員，首先讓我有更多的時間來發現我真正的興趣，可以有時間參與我感興趣的專案而不受全職工作的限制。
資料科學與區塊鏈
根據我的理解，資料科學與靜態資料互動，而區塊鏈中的參與者是與具有不同激勵行為的人的動態協議互動。資料科學家透過統計資料獲得資料的分析，並用合理的資料行為和關係解釋結果，而區塊鏈研究人員開發的共識演算法即使在存在不真實的參與者時也能保證一致性。
從工程師的角度來看，資料科學中最關鍵和最耗時的部分之一是資料探勘和資料整理，因為可能需要處理幾個GB甚至TB的資料。然後將整理後的資料輸入到機器學習庫中，人們可以將其視為一臺超級機器，它採用特定格式的輸入並在一段時間和計算能力後生成所需的結果。對於類似的客戶需求，機器學習庫的集合大多相同。最困難的部分是將從客戶處獲得的混亂資料轉換為超級機器所需的輸入格式。然後我們嘗試使用不同的機器，從而選出給我們帶來最佳效果的機器。我們需要進一步瞭解機器的工作原理，以便向客戶解釋結果。
對我來說區塊鏈是心理學、經濟學、資料庫、計算機網路和密碼學的結合，其概念的每個元素都不是歷史上的新發明，而是它們的組合。但它就是這麼引人注目，因為它讓我們有希望擺脫像銀行這樣的傳統中心化機構。
權力下放意味著每個人都是他/她自己的老闆，我們是平等的，任何人都無法管理我或迫使我做出偏離自我意願的事情。儘管這個願景還很久遠，但區塊鏈的出現使得這個願景具有了可行性，因此我愛上了區塊鏈，我也非常榮幸為這一巨集偉願景做出貢獻。
勇敢前行
以上是我個人從現有的知識儲備和人生閱歷中，總結的研究員和工程師、區塊鏈和資料科學的觀點。這裡面可能會有錯誤的理解，但這也激勵著我努力向前探索，同時也感謝人生旅程中支援我的朋友，沒有你們的支援和鼓勵，我將永遠不會那麼勇敢。
譯者注：Lee Ting Ting，以太坊開發人員和愛好者，區塊鏈作者，hackathon愛好者，業餘模特以及對密碼學充滿熱情的自學者，目前在香港科技大學就讀，在微軟擔任資料和AI顧問（實習）。
