码农转行做机器学习，求建议

Lenin 发表于 2020-5-7 13:50
mark一下 想问反过来的如果data scientist想做mle需要补充那些cs方面的知识？

我也想问这个问题，虽然我马上入职MLE，但是我也不知道我要做什么，怎么去提高。目前平时没事干就看paper，复现一下经典的paper。

shengj 发表于 2020-5-20 02:09
我也想问这个问题，虽然我马上入职MLE，但是我也不知道我要做什么，怎么去提高。目前平时没事干就看paper ...

请问你是cs phd 吗还是 stat or math的phd之类的，怎么找到mle的工作的？请教一下

转ml的目的是什么呢？2年前我面临过这样一个选择，ml vs infra，因为知道选了infra就基本不会再回ml了，所以选了ml且坚决的和老板说不做infra（实际上给自己定的是一年）。一年后一切都好，工作顺利，做到也还开心，但是又重启了ml vs backend的想法，和朋友聊这件事，他们对我的建议是现在去infra和更多有经验的人比没有优势，很多经验是需要长期积攒的，所以还是说服了我。又一年过来了，由于wfh，主动开始找一些事情干，写了一点点backend的code，觉得过得很开心，估计以后希望一半一半吧，有搞数据的乐趣也有写代码的乐趣。

宇宙第一 发表于 2020-5-20 23:10
请问你是cs phd 吗还是 stat or math的phd之类的，怎么找到mle的工作的？请教一下

我是master，不是Phd，之前本来有想读Phd，上岸了后又决定去工作了。

shengj 发表于 2020-5-21 00:29
我是master，不是Phd，之前本来有想读Phd，上岸了后又决定去工作了。

简历上的项目你是怎么充实的？ 在哪里找的项目？

先放我的结论，转ml是可行的，但是需要积累速成比swe难。因为其实楼主想做ml，也不是去一个带ml title的组做点边边角角pipeline的东西嘛。当一个比较“懂ml”的mle不止上上课需要关注各种新的research 前沿进展。

我也不算转行，但是属于水平比较渣的mle，也不是phd，努力变成一个靠谱的mle中。我感觉这样可能是一个比较smooth的转型过程。
1）必修machine learning和deep learning，选修cv，nlp，要把考试通过作业写完那种。自己的coding能力不要拉下。上完课，如果大厂，中厂是比较容易内部转组的，找一个做ml的mgr，最好是做ml application那种组。比如ads，search，recommendation，希望去他们组做事情，应该是比较容易，如果你之前的review还可以的话。一开始去可能做的可能是不是特别需要ml的，但是这是一个很好了解一个ml-driven系统是怎么end to end run的过程。如果在小厂没有转组机会，自己手上的东西想想能不能拱一个ml project出来，和老板提议让你做side project。实在不行可以考虑网上组队打打kaggle。就是比较辛苦。如果水平高可能也可以看看有没有开源的ml项目可以贡献一下，但是这个bar应该相当高。
2）好了现在楼主就差不多是一个渣mle水平，下一步可能想做比较核心的ml工作或者出去混一个高工资的mle工作。需要想一个问题，想在什么领域深挖一下，然后补一下1）里没有上的的基础课，开始看相关领域的paper和技术博客。难以坚持可以参加或者组织study group什么。争取核心项目机会，面试了解自己差距。

每个公司的mle定义都不一样，我只是基于我的了解讲的可能的转行流程或者说mle的成长之路。step 1和step 2可能各自需要run一两年，或者不止。

mle大家都说很难，我觉得本质是面试没有swe那么套路化，没有积累难面。工作上真的做设计系统的人就少，无论做ml还是infra，ml系统里面不算法相关的东西和其他系统也没有什么两样。做quality的人也不需要很多。另外个人的观察，越senior的人转ml，需要的ml背景知识反而愈少，当然是有其他方面的能力让组里appreciate，无论infra方面还是产品方面。

phd都很厉害，但是工业界的经验也很重要。很多new grad phd算法很了解，但是不了解system，也没有写工业级的产品。其实不一定比工作几年的master有优势。而且很多ml算法理解特别深的去当researcher了，也不是和我们同领域竞争。

难得手机打字写那么多，求米～














补充内容 (2020-5-20 10:21):
关于薪水，我觉得mle的平均工资还是比swe高一点，毕竟mle的平均年龄和level其实也相对高一点。我经历的三个mle组都很不喜欢招new grad，I mean 不算phd new grad。

我这隔壁所最近招ML的，稍微会一点都行……但是感觉ML还挺难的

其实ML也需要很多infras的支持，就算是google brain里拿过phd的staff engineer也可能要写很久的infras和platform。如果没有domain knowledge的话比较难提高model，如果有比较硬核的infras技能的话可能还不如研究一下偏infras的ML support？

以及coursera上的课真的太简单了，我自己大一就上过了，可结果大学4年朝着ML研究生的方向走也还是不停的觉得学海无涯（我当时做NLP research，还略学了一些linguistics的入门），最后毕业后还是放弃了ML去了业界。。。

如何算复现经典paper？我觉得从零开始的话耗时太长，估计做完一个就要吐血了。拿别人的东西改改比较可行。
另外向各位大牛请教，ml vs infra哪个对business更加重要？

pandami 发表于 2020-5-7 10:25
Coursera学了就想转ML。。。
先把YouTube的CS229看一遍 测试一下能不能听懂再说吧
现在随便上几节课简历上 ...

我发现，地里说话不能太直。