想问问深度学习现在业界什么状况？

litou 发表于 2020-10-17 13:29
一点都不绝望啊，SDE比research岗职业发展好多了

同一个公司research岗转sde比较容易吧，反过来比较难，而且research岗起薪和级别会比sde稍高一点，msr是这样的。坏处是如果最终不是research那块料，早晚还是要转码农－管理路线，起步反而晚一点，跳槽有些人不一定认

gjia0214 发表于 2020-10-15 13:07
嗯嗯 图像和文本确实得靠DL，传统ML的一个弱点是很从难学structural的feature，但是NN可以。传统行业的数 ...

请问这个指的是？
“DL可以拿来做feature，用起来感觉有点像ensemble，feature做的好提升还是挺大的。”

tf 在学术界=已经死了

yz9 发表于 2020-10-19 22:24
请问这个指的是？
“DL可以拿来做feature，用起来感觉有点像ensemble，feature做的好提升还是挺大的。”

举个例子, 你的最终目标是real time prediction on tweets fake or not fake。
最直接的方法就是用所有real-time feature去做classification。
在比较复杂的ml系统里，经常会有额外的label，比如twitter account robot or not robot，这种label or feature是无法在实时获得的，real-time model不能直接用。但这种信息对你的模型可能会很有很大帮助，e.g. 你的real-time model是tree-based model，这种信息可能成为一个重要的节点。

为了可以让real-time model利用non-realtime information，你可以用NN(Sequential NN, Graph NN, Feedforward NN甚至ConvNets)建模，尝试用real-time feature去描述non-realtime feature/label的risk。把这种通过机器学习得到feature加入到你的real-time feautre pool里，你的real-time model就可以获取一些non-realtime的信息。这种做法多少有点ensemble的感觉。

不过这么做也有缺点，这样会导致你的ml系统成为瀑布式系统，technical debt会加大，system maintain的成本变高。

啥，咋就听说google无人车破产了[哭笑不得] 请看我司的最新新闻：https://blog.waymo.com/2020/10/w ... lly-driverless.html

在美招聘，cs机会比ds啥的多得多，ds里面analystics多，ml里面传统ml多，dl简直是少得不行，图像文本数据，越来越多transfer learning，普通公司推荐系统，chat robot，人脸识别之类的完全可以找vendor，又快又便宜又好用，大厂早就搞完了后人进去修修补补，无人车又n年搞不起来，筛来筛去机会是挺少的，游戏公司可能反而机会多点，ar/vr那种也是挤破头。

fiberxi 发表于 2020-10-19 11:34:40
啥，咋就听说google无人车破产了 请看我司的最新新闻：https://blog.waymo.com/2020/10/waymo-is-opening-its-fully-driverless.ht

哈哈抱歉我道听途说的😂至少旁人一看“2020”字眼自然会这么觉得吧

深度学习也看领域，像CV就全靠深度学习起来的，NLP也很依赖深度学习。其他很多都是深度学习和传统机器学习相结合。完全不需要深度学习的主要就是些传统行业了。总的来说深度学习确实有泡沫，但目前来看最有前景的还是深度学习。

Pytorch和Tensorflow的话，学术只用了解前者，工业两者最好都了解。

FelixChan 发表于 2020-10-16 18:55
天啊，读完PhD去做SDE，会很绝望吧

我师兄在某大农村top 50 做cs ap, 工资只有我们的1/3

gjia0214 发表于 2020-10-14 18:01:24
个人觉得，DL project落地受限于模型的interpretability和efficiency。而且精心设计的rule-based system + traditional ml models就

请问一下ml system design有推荐的学习资料或者课程吗？