📣 黑五价提前开抢|VIP一年通行证5折,蓝莓、Offer多多同步特惠
查看: 14067| 回复: 29
跳转到指定楼层
上一主题 下一主题
收起左侧

[找工就业] 大牛请进:ML engineer 的发展

 
全局:

2011(1-3月)-CS本科+fresh grad 无实习或全职 | 内推| 码农类General全职@google

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看附件。没有帐号?注册账号

x
硕士毕业, 对ML 十分十分有兴趣。 发过research paper (robotic 方向), 但是感觉公司里面的scientist 都大部分是PhD (top tier, low tier 都有)。
想问一下, 进了一家公司, 假如有 infrastructure,ads, 或者是 ML engineer 选, 怎么挑? ML engineer 正如你们所说, 工程师不是做R&D的, 顶多就是调调参数,调一下包, 那么, 升职的前景,和技术的掌握,貌似没有别人研究了五年的PhD懂啊。 那么如果是这样的话,还不如避短延长, 去做纯粹的SDE 功夫 (infrastrcture, app, 后端之类的)。

业界的scientist 我也有跟他们聊过。。 他们跟我说过, 普通 scientist 其实很多时候也是跟普通码农差不多。。比如说Google Brain 的 (不是发paper的那种), 其实就是码农。。
那问题来了, 从升职的角度和,掌控美国核心技术的角度来说, 假如有普通SDE vs ML SDE, 怎么选比较好?

PS: ML SDE 一般问的问题可能多一些, SDE 顶多就是刷一下lc-baidu 1point3acres


补充内容 (2018-2-20 15:16):
看看这个贴的大神讨论过的:http://www.1point3acres.com/bbs/thread-215003-1-1.html

评分

参与人数 1大米 +1 收起 理由
douya + 1 给你点个赞!

查看全部评分


上一篇:简历上的project,暂时只有课程和实验室的该怎么扩充
下一篇:关于facebook(或者类似的大公司)给各个学校固定HC数量问题

本帖被以下淘专辑推荐:

推荐
zhang3x7 2018-2-20 20:35:45 | 只看该作者
全局:
你这个问题说白了还是要去看抖包袱版谁的包更大. 1point3acres
很明显在5~10年经验这个区间里面infra 和 backend的包裹是最大的
所谓ML engineer不就是调参调包吗?真以为加个ML就高端了
ML这种领域 但凡是有什么新的东西 都会以最快的速度被做成轮子,你作为所谓 “专家” 的优势其实是不存在的
回复

使用道具 举报

推荐
lplrobert 2018-3-12 09:42:42 | 只看该作者
全局:
这个职位可能不同公司定位都不一样,但就我个人感受而言MLE的工作大体需要PHD/Master的科研能力和SDE的工程能力。

1. 关于调包。现在大多数科研也是调包,有开源社区支持的TensorFlow/PyTorch/MXNet/etc为啥不用,如果从头写一个高效易用的支持CUDA的分布式DL系统那估计足够system PHD毕业了。只不过科研要在这些库的基础上自己搭网络/实现新的方法。其实说来general SDE也在调包啊,各种编程语言的各种库、公司的内部工具,既然有方便的工具为啥不用。只不过一般的库看文档/搜google就知道怎么用了,ML/DL的库需要更多的知识。模型用哪个/哪几个,堆几层/什么结构,怎么处理非结构化的/sparse的数据,怎么根据数据的特征选择不同的参数/组件,模型效果不理想时怎么分析原因并想出解决方案(以上是不是很像科研)。这些都需要经验的积累(有的根本google不到)不是上一两门课就能游刃有余的。

2. 模型准备好后作为engineer就要关心deploy了。这时候需要考虑的系统的稳定性/容错性/速度/可扩展性/可维护性/易用性和general sde的要求是一样的。. 1point3acres.com

其实感觉这样的MLE比较类似于research engineer。当然不同公司定位不一样仅供参考。

评分

参与人数 1大米 +3 收起 理由
t__c___ + 3 给你点个赞!

查看全部评分

回复

使用道具 举报

推荐
zhang3x7 2018-2-20 20:37:49 | 只看该作者
全局:
那么, 升职的前景,和技术的掌握,貌似没有别人研究了五年的PhD懂啊
你不知道PhD们的工作都是完全开源的吗? 掌握的多有什么用? 还不是拿去做成轮子大家都可以用? PhD自己嫩赚到一份钱吗
真正吃香的还是工程能力强能把技术落实到业务上的
回复

使用道具 举报

🔗
 楼主| 笑眯眯的白云 2018-2-20 15:13:43 | 只看该作者
全局:
我的意思是, ML 的核心其实就是 数理, 读paper。 . From 1point 3acres bbs
-baidu 1point3acres
我觉得这个来说的话, 硕士出来的人(尽管工作两三年),还是比不上人家PhD 专研了五年的吧, 你们说呢?
回复

使用道具 举报

🔗
wosaide 2018-2-20 15:32:53 | 只看该作者
全局:
个人理解ML engineer这种职位的定义还不是很清晰,不同的公司要求不一样,很多都可以算“杂活”工程师哈哈。做的事情从写ETL拿data, automation, 简单的model training, model serving都可能做到. 至于career path, 如果轮modeling的能力, ML engineer那肯定很难比过phd. 但是因为什么都做, 对于业务的理解, tech stack的应用应该和普通SDE没差的. PS: 如果楼主在ads infra组做ML system是不是就不纠结了lol
回复

使用道具 举报

🔗
superjackson 2018-2-20 15:38:37 | 只看该作者
全局:
绝大部分都是码农。
回复

使用道具 举报

🔗
yclu 2018-2-20 17:08:50 | 只看该作者
全局:
同問,ML SDE多熟悉的技能(ETL拿data, automation, 简单的model training, model serving),在職涯發展上幫助不大嗎?要再往上走是只能讀個phd嗎?跪求大神開示
回复

使用道具 举报

🔗
gypsyjustride 2018-2-20 18:37:04 | 只看该作者
本楼:
全局:
同关注。
回复

使用道具 举报

🔗
mimighost007 2018-2-20 19:58:24 | 只看该作者
全局:
ML Engineer其实更多干的活儿和一般组的SDE没啥两样,challenge上可能还要差一些。modeling也很迷,大多数时候也就是测试常用模型然后做点儿改进,剩下的时间都在调参,感觉深度依然不足,PhD也排不上太大用场。ML Engineer最大的好处大概还是解决的问题本身比较有意思一些。
回复

使用道具 举报

🔗
LeeYYY 2018-2-21 02:38:58 | 只看该作者
全局:
长久来看,ML Phd越来越多。多到一定的时候。。。。这个门槛就剧烈变高,最后一定演变成没Phd学位没法拿ML Engineer/Scientist。。因为Phd太多了。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号
隐私提醒:
  • ☑ 禁止发布广告,拉群,贴个人联系方式:找人请去🔗同学同事飞友,拉群请去🔗拉群结伴,广告请去🔗跳蚤市场,和 🔗租房广告|找室友
  • ☑ 论坛内容在发帖 30 分钟内可以编辑,过后则不能删帖。为防止被骚扰甚至人肉,不要公开留微信等联系方式,如有需求请以论坛私信方式发送。
  • ☑ 干货版块可免费使用 🔗超级匿名:面经(美国面经、中国面经、数科面经、PM面经),抖包袱(美国、中国)和录取汇报、定位选校版
  • ☑ 查阅全站 🔗各种匿名方法

本版积分规则

>
快速回复 返回顶部 返回列表