谈谈作为ML Engineer 应该从哪些角度定期反思总结自己的工作？

现在在创业公司做些项目，大部分都需要自己端到端地解决问题，要写不少代码且结构比较复杂（？混乱）；并且因为是探索、不要求大规模部署，因此也要看新鲜的论文，尝试新算法。
而之前也在大公司呆过，做的项目一方面会有很多业务逻辑(if-else)，另一方面每个人负责的是一小个场景（newgrad），不少框架公司都搭好了，做的更多的似乎是feature engineering + model tuning.
尽管定期会总结记录自己做了哪些工作（周报等），大多是project-level或者paper-level的总结，然而我觉得是不是应该有更high-level的思考？

由于资历尚浅，并不清楚 针对自己的工作（写的项目、看的论文），有哪些问题是值得思考的。

比如我可能只会想想:
工程上，我会想怎么让自己的代码更能流程化；在项目复杂的时候如何安排模块和类？
算法或论文上，一些方法（比如self-attention/ positoion encoding）为什么work?

望抛砖引玉，一起讨论（机器学习）工程师会思考哪些和工作有关的问题。

楼主好，我也在一个startup（11-50规模）做de,ml，我一个人负责的是data generation-->model  training-->model serving-->model monitoring，目前在model serving这里不过问题就是我是ds纯modeling背景，对于e2e的这种ml兴趣越来越大也是在不断自我学习探索，以后想上手更多的部署工作、了解更多ml system的东西，可以一起讨论学习啊！