做机器学习真是太难了

真正开始工作你会发现其实写SQL/spark洗数据更多一些。。SOTA的东西普通algo eng做不了

西人怎么办的，西人数学普遍不如华人，三哥也不如华人

starcroce 发表于 2020-6-30 13:17
现实工作基本是在洗数据，修pipeline，修service，跑offline eval，跑各种奇奇怪怪的sql，写doc，跟pm撕逼 ...

想知道@starcroce 在哪家工作 FLAAG？ 我知道中小厂和非tech都是这么做的 我一直觉得大厂会不一样。。。

话说楼主吧觉得，一些模型的论文看起来还好，数学的东西比较直观。但是optimization相关的论文真的好难！至今对convex优化原理还是一知半解，比如如何给l1 norm加convex term这种

感同身受。。但是我觉得答不答对和过不过面试只是一定相关性。比如是CMU CS PhD或相关MS许多年经验那么推错点也能进。资历不够死记硬背答上来也大概率没offer。供求决定的，不像SDE是个IT公司都要一堆。

Viscent 发表于 2020-6-30 14:03
借用我manager一句话

神经网络其实是给了人们一个弯道超车的渠道 传统机器学习需要大量学术研究支持 然 ...

这恐怕只是暂时的，神经网络这个黑盒子已经越来越不黑了，非常多的牛人在做深度学习理论。

szhhan 发表于 2020-6-30 10:57
最近经济形势太不好。。我是怕被雷。。

机器学习工作和面试是两回事

都是这样啊，SDE工作和面试也是两回事。
面试一直考算法题，上班也就用用API

同感，严重赞同lz

数据学习确实知识很多，更新很快啊

同感，一路面试以来真的是什么奇奇怪怪的风格都碰到过了～奇葩的有大佬和我聊了一个小时batch normalization是在activation之前还是之后好。。。各种线性数学算矩阵的，手推各种公式用np用tf的，还有奇奇怪怪概率题，我表示不如sde只刷leetcode来的轻松。。