八一八亚马逊machine learning engineer

他们也很难 每天都在痛苦地炼丹中，不知道哪个会work，不知道怎么搞数据，又不想每个小白鼠online test一遍，最最重要的事，怕把production搞挂了不知道咋修。这时候你就成为救星了

借个名字 发表于 2021-1-3 17:53
有MLE。比较新。role guidance都还没出来，面试的bar跟sde一样。

好像是个New Title不是New Role吧?

讲真，除非是非常前沿的ML research要用所谓的research scientist来做之外，日常的feature engineer, modeling, evaluation，如果强行将model development（AS做的部分）和model deployment（eng做的部分）分开，会导致很多问题，一个就是lz所说的两个组互相推诿，鄙视链，另一个就是工作的重复性。如果这两个职责合成一个，当然也会有其他问题（比如工作内容更广），但从产品上线角度，更consistent。

我一直觉得只会写jupyter notebook或者非OOD的python代码的ML从业者（比如AS）的impact有限，一切不能deploy到production的model都没用，offline训练得再好，还是得搞各种pipeline上线做AB TEST表现好才是硬道理，feature和model再fancy，还是得等着engineer给你把模型写到production。

我们组的MLE兼职lz所说的AS和MLE工作，既要自己搞模型，还有自己写pipeline，还要自己跑AB TEST，真end-to-end。lz要是感兴趣可以联系我内推。

seattlekbz 发表于 2021-01-03 20:58:32
还有一方面就是既能build模型，又能写代码的scientist太少了。我们组来面试的candidates几乎难见CS专业的，非常多的统计专业，生物等等

统计专业的怎么了，统计专业的也会写code啊，而且理论基础更踏实

的确，我们组AS把model developmenrt跟production pipeline的事做完了。MLE更多是做dev ops跟infra的工作。其实跟ML的内容没啥关系。不过我们mle基本是从其他组转来的，想换换工作内容，当然以后想做ML方面的事也会容易一些，毕竟每天听一群scientist叽里呱啦讨论东西。

匿名者 发表于 2021-1-3 22:53
所以亚马逊有Applied scientist和research scientist的区别。AS是要求会写码，面试是要面算法题的。然而 ...

这个组和组的差别很大，我只能说亚麻Ads SP这边对AS/RS/DS的分工非常不清晰，很多时候都是在做相同的活。

海拔2纳米 发表于 2021-1-4 09:59
不好意思 亚马逊有这个title. Period. 要不要我给你几个phonetool link看看？

title也就是title 但还是sde track 好像只有sde as rs sdm这几个

匿名者 发表于 2021-1-3 23:54
我只知道和machine learning modeling没有任何关系

SP底下除了ads response prediction组是真的在做dl/ml，还有别的组做了什么productionized的真正意义上的model么。。

楼主做哪个track？CV，NLP， reinforcement learning?

kate123321 发表于 2021-1-4 12:15
除非你想转scientist，除非你想转PM，除非你想转BIE，否则去这些人主导的组当engineer就是去当下等孺子牛。 ...

其实并不是所有scientist都看不起engineer的活。如果一个人因为职位是scientist或者有phd就看不起他人，没有人会希望与他们共事