AI infra和传统后端哪个职业生涯好

匿名用户 发表于 2025-05-01 22:43:03
为什么卷不了这个赛道 现在backend已经烙印成灾了

活多，技术要求高，visibility小，pipeline出问题第一个找你，做得好mgr那边也没有credit吹不了牛皮；烙印不爱做这种

hellohi 发表于 2025-05-01 22:30:06
好奇 ML Ops可以理解和Notebook相关的Automation吗？

不是，是维护pipeline，每周的model training/serving出错怎么办，train的时间过长怎么办

匿名用户 发表于 2025-05-01 22:52:36
活多，技术要求高，visibility小，pipeline出问题第一个找你，做得好mgr那边也没有credit吹不了牛皮；烙印不爱做这种

听起来像是给mle打下手的 credit都被训练模型的人拿走了

匿名用户 发表于 2025-05-01 22:53:54
不是，是维护pipeline，每周的model training/serving出错怎么办，train的时间过长怎么办

好奇楼主提到最后是MLE Notebook环境服务的 那工作中会有和Notebook Automation相关的吗 不是很了解这个方向 感谢介绍

hellohi 发表于 2025-05-01 23:08:10
好奇楼主提到最后是MLE Notebook环境服务的 那工作中会有和Notebook Automation相关的吗 不是很了解这个方向 感谢介绍

有但是这个部分非常简单，就是顺手的事，很多scientists没有工程背景，以前读博的时候用notebook习惯了，engineer很少有用这玩意的，基本就是个script。。。

楼主，你这个工作在meta就是fixer，干得好可以升到E8。做起来可能觉得无聊，但是技术含量很高，不是一般人能搞得定的。

不建议，这种活很容易被AI 自动化，要做就做training 和inference

想请教一下楼主，做ai infra尤其是这类data pipeline有什么学习路径吗，公开的也好，行业信息来源也好，我在字节做这个方向的PM intern，也能看到一些infra职位的现状，但总觉得自己和技术一线有壁垒