工业界做AI急功近利现象

都这样，花大力气硬上dl，实际效果比ml也差不了多少。但dl容易讲故事，吸引人眼球。

楼主，我在狗家也遇到和你类似的情况。我们的model只实现prototype，吹model时候用的是projected impact，有了prototype就丢给别的PA上线，很多新model最后不了了之；公司高层其实很懂ML，他们采取的做法是帮着老板一起吹，然后我们这个组的promo是VP下面最多的。。。

面向工资编程 面向工资project

这不就是咱们打工的理由么

感激你的老板保住你们组的funding吧，不然哪天executive team不敢兴趣了只能全team裁掉或者减headcount走一个没法 refill就少一个，我们director每次都很透明我们全组的budget是几个m，还能找几个人，哪个stakeholder哪方面项目对加budget有作用，哪些impact才是大老板们关心的，讲真我觉得比太多书呆子型manager强太多，再好的project也得要有人 sell出去。senior ic的communication真是阻挡成为manager最大的挑战，而一般new grad进来普遍都会怪大老板们只会吹，但是实际上会来事会沟通在组织里有势力的老板才是你们的幸事，如果在亚麻你老板技术再强不会撕逼，分分钟一堆pip名额砸过来。

现在业界差不多都是这样。其实都知道数据质量往往大于模型，做得好不如迎合领导吹得好！

这帖子水平比知乎高多了哈哈

面试的时候都要赶时髦问最新的DL模型    不要说自己了

匿名用户 发表于 2020-12-12 08:52:18
楼主，我在狗家也遇到和你类似的情况。我们的model只实现prototype，吹model时候用的是projected impact，有了prototype就丢给别的PA上线，很多新model最后不了

求问是哪个组，好想去

业界早就有定论   吹的时候是AI Machine Learning    present 的时候是Deep Learning,    实际做的时候是Logistic Regression

可是你不说自己用Deep Learning  别人会看不起你   尽管Logistic Regression可能实际效果更好 :)

嗯。我们公司很多ML的model主要是帮助automated decision making，提高工作效率为主，单个project的impact一般都不大。
DL还是用在CV/NLP上比较好，但一般公司哪有这么大的需求弄大型的CV/NLP model，绝大多数都是把现有的模型稍微改一下拿来用。