mle是不是比swe压力大很多？

lz 大厂general backend swe，其实有一个统计的master学位。
眼馋mle的高工资，也有在ai llm大时代背景下普通swe的焦虑


是不是mle的入行门槛高很多，不仅backend普通码农那些分布式 coding 系统设计都要会。
而且要对ml 模型 参数 数学都很懂？只是不需要达到发paper research scientist 那个级别。


感觉mle L的钱是普通swe L+1的钱。但是要多学很多东西，找工作会更简单？工作压力更小？

MLE为结果负责，swe为过程负责。MLE你只要线上没收益干的一切都是0甚至负收益（占用计算资源），swe做出feature了，没人用那也是pm的锅

我是swe->ML infra->ml modeling，感觉整体压力比SWE的时候小了很多，TC很轻松翻倍了，能更快FIRE心理更舒坦了，基本没咋加班oncall也很轻松，主要区别就是MLE更需要灵光乍现的感觉

个人观点：因为没有做过大厂的工作，所以不清楚当数据量巨大的时候会不会有什么差别，而且不同的业务估计也会有所不同。MLE 应该是要从data, model, offline 和online 方面做工作. Data 方面需要哪些数据，数据是不是clean, 如何发现有用的feature, 可以通过读相关论文，对业务的理解，都可以有机会提升performance, 在modeling 方面，学术界主要放在改变模型结构，找到好用的训练metric, 还有一些其他的。最后及时在offline 上metric 有提高，是不是online 就一定有提高，这个是不确定的。很多时候经验是一方面，运气确实也是一方面，因为并没有像数理科学一定的定理可以不断推导。我觉得现在的MLE 更像是实验物理科学，大胆假设，小心求证，所谓的经验应该是能够先排除常见的错误，然后能够通过一些设计的方法或实验，不断验证自己的猜想。

搭车同问，从没做过mle的swe
我看到的mle的压力主要是做实验，他们做之前也不知道结果好不好，能力强的可以几次就有gain，能力差的怎么调metric 也不见好
不知道我的理解是不是对的

匿名用户 发表于 2025-7-13 07:22
搭车同问，从没做过mle的swe
我看到的mle的压力主要是做实验，他们做之前也不知道结果好不好，能力强的可以 ...

玄         学

匿名用户 发表于 2025-7-13 09:37
玄         学

哈哈如果这个观察符合实际，那MLE的工作性质更接近生物医药实验而不是数理研究（后者的工作其实主要要把研究问题的所有context装在脑子里然后24/7思考直到某个时间点灵光一闪）

感觉技能点加的位置不一样

我只了解ml modeling比重大的工作 所以下文只写这相关的

coding都是需要的 普遍来说research要求越高的岗位面试离leetcoding越远 但也有个别公司对谁都一样永远都是那一套leetcoding 但是最后实际工作的时候需要的coding能力和leetcoding相差十万八千里

system design的重点不一样 比如说面试的时候和swe面试design的内容类别不一样 基本上面的都是ml system或者ml problem solving很少遇到什么design youtube这种问题

压力是否更大很难说 working hours一般也比较长 但不太有oncall 只能说压力来源和形式可能会不太一样

ChenLiu1996 发表于 2025-07-13 08:42:47
感觉技能点加的位置不一样
我只了解ml modeling比重大的工作 所以下文只写这相关的
coding都是需要的 普遍来说research要求越高的岗位面试离

可以讲讲sde怎么转mle吗？ml的系统设计怎么准备好？谢谢

从infra的角度，个人感觉general infra职位感觉压力要高一些，meta， 或者Azure AWS GCP；尤其是stateful service。 总体infra是runtime的service，对稳定性和效率要求更高；oncall压力也会更大。合作的ML infra明显对系统的telerance更高。modeling本身是不是比general infra压力更大，还没有dp

mle需要的是智商+软技能，能发现什么地方改个参数就能涨核心指标，然后说服其他人那些tradeoff都是值得的，完事，一周实际干活5个小时最多了，其他时间就是跟人把关系弄好