楼主: wdxrshka
跳转到指定楼层
上一主题 下一主题
收起左侧

码农转行做机器学习,求建议

 
🔗
Jing666 2020-5-22 22:44:14 | 只看该作者
全局:
lzchu1992 发表于 2020-5-22 03:50
你是放弃ml research去了业界吧?
去了业界也可以做ml啊,很有mle不就是业界中做ml的么

其实自己本来也没打算一路读到phd,加之业界的offer难以抗拒就去业界了(是去年毕业的,所以如果我读了master,今明年找工作就凉了)
可能考虑以后转MLE吧,但是实习时做过MLE intern,(或许是实习公司的缘故,主要就是写model+run experiment+inhouse ML library)目前刚做了一年SDE,也不能说就比MLE要逊色多少,不同的skillset而已
回复

使用道具 举报

🔗
Jing666 2020-5-22 22:47:51 | 只看该作者
全局:
Lenin 发表于 2020-5-22 02:09
非常感谢建议 想请问下ml infra有没有好的学习材料或者课程?

其实自己对infras不甚了解,本科都是纯research做的。当年(1.5年前)上distributed system时教授手下貌似有做distributed ML platform的学生,LZ可以打听一下这个方向

感觉根据我之前MLE实习时候对组里的research scientist/engineer的观察,有很大一部分的日常也是构建“让别人建模跑experiment更容易”的tool/library,所以其实普通的SDE skill也是有用的
回复

使用道具 举报

🔗
Garry617 2020-7-5 21:04:36 | 只看该作者
全局:
jasonhh 发表于 2020-5-6 16:10
我不是大神 但是学ml三年了 一直想转到nlp但是还没彻底成功 只是有点感想。

1. 以后越来越不缺调包侠,九 ...

请问推荐系统呢?
回复

使用道具 举报

🔗
lscgal 2020-8-7 21:34:41 | 只看该作者
全局:
up投入尚浅,建议考虑再三,我在ml门口蹭了两年(fulltime工作和ml相关),目前也只有一只脚在ml
这里默认不讨论另一种ml。即data scientist(advanced BI),这一类反而opening 多,但是技能树需要prod,统计,BI,business。从sde转过去投入产出比不高。
如果up是真爱,建议走到最前沿(phd)

评分

参与人数 1大米 +1 收起 理由
jyg118 + 1 给你点个赞!

查看全部评分

回复

使用道具 举报

全局:
本帖最后由 SummerPalace_DX 于 2020-8-18 07:55 编辑

分享下我个人转MLE的经验,也欢迎有同样经历或者想法的同学认识一起交流:

我毕业之后就在某家大厂工作,前4年做的主要是production backend和platform,差不多做到一个Team tech lead的水平。后来在工作的过程中发现自己对Data和metrics非常敏感,也对工作中遇到的一些machine learning based service感兴趣,于是就开始想要换组,往ML的方向发展
一些context:
1. 我之前的ML只限于Master时期上的一门水课,相当于是调包侠,而且基本全忘记了
2. 我们厂ML有关的项目是这样structure的: 我所在的application track是做一些service和infra去serve一个train好的model。同时有另一个AI Track是专门的machine learning engineer去做modeling和training pipeline

我后来选择了另一个application track下面做search & recommendation service的组,开始做ML infra,这个组大部分的工作不需要了解ML算法,而只需要懂ML in general是怎么work的,更重要的是Scalable System Design。在进入这个组ramp up之后,我开始也是做一些更偏infra和product的project,同时我用公司报销的福利去报名上课Stanford的CS-229,只看视频和上课还是差很多的,因为大部分时间都是在做作业和做final project,经过连续10周每周15小时的战斗,最后拿了A,ML的理论水平自然也是有了比较大的提升,ramp up了数学,能够手推公式,能够实现算法,熟练用各种包和分析处理数据。后来组里出来一个比较大的initiative去做一个新的end-to-end recommendation product,然后我拿到了机会去lead这个项目,这个过程中就涉及到和很多我们AI eng org的合作去了解他们怎么在industry从头开始做modeling,同时我们的ML系统要怎么设计。在这个过程当中我也能够逐渐参与到他们build model的过程,提供一些labeling和feature方面的idea。同时我也在课余花时间把Coursera上的Deep learning给看完了,其实有了stanford cs229的经历,会发现coursera上的课程设置过于简单和浅显了,很多地方还是需要补充阅读,或者结合工作中的项目去理解。

最后正式转到MLE是正好我在现在的大厂做了一个差不多6年了,打算看看外面的机会。此时我虽然还是在我司的application的eng,不过对做MLE已经有一定经验了,于是面试的目标就是其他家的MLE。这个过程很顺利,MLE要求的skill set我已经有了,面试的几家都给了offer,最后决定去了另一家大厂做MLE,将来的工作我expect会同时涉及infra和modeling。下周开始新的工作。

评分

参与人数 3大米 +52 收起 理由
modifiedname + 50
Protocol + 1 给你点个赞!
jyg118 + 1 给你点个赞!

查看全部评分

回复

使用道具 举报

🔗
slightlyOff 2020-10-5 14:43:38 | 只看该作者
全局:
SummerPalace_DX 发表于 2020-8-18 07:13
分享下我个人转MLE的经验,也欢迎有同样经历或者想法的同学认识一起交流:

我毕业之后就在某家大厂工作 ...

感谢分享,请问可以推荐一些做ml infra需要看的书/课程/paper吗?想补一下infra的知识
回复

使用道具 举报

全局:
mark,也在考虑往ml上靠
回复

使用道具 举报

🔗
7uuuwfres 2022-3-22 11:05:26 | 只看该作者
全局:
Mark。最近也在转ML,看过地里分享的一篇关于linear regression的文章,贴近实战写的不错,楼主可以参考下  https://bit.ly/3Bvkyb3
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