[抛砖引玉]谈谈MLE职业初期的成长AMA

LZ目前某大厂做MLE，最近收到一些hr联系，集中面了大概>10个公司
大厂里基本拿到了所有的senior offer（除了某一家hr加面以后失联了），挑了几个hot pre-ipo面，也全都拿下了
之前也做过面试官，但毕竟经验只是来自于一个公司，可能不够generalizable。
从几十轮面试当中，更深入的了解了下对MLE技能和特点的侧重，看到之前一个帖子讨论MLE https://www.1point3acres.com/bbs/thread-741182-1-1.html 有感而发，想抛砖引玉针对MLE的工作做一个AMA。
disclaim：由于LZ自身能力有限，所以专注于回答new grad to senior level的grow，以及senior level跳槽面试准备问题。如果超出范围，希望有更资深的朋友帮忙解答:-)

最后请大家帮忙加点米....新人没有大米什么看不到，谢谢！

匿名者 发表于 2021-4-7 07:51
楼主能否讲讲MLE的技能要求？

TensorFlow、pytorch、Python、SQL在我看来是必须的，其他的呢？比如Java、C ...

对于最初级的MLE position，最基本的要求：
1. 刷点leetcode，起码面试coding round不要挂了
2. 熟悉sql，大部分公司的data pipeline应该都是sql
3. 熟悉几个NN的库，比如tf/pytorch。
4. 最好有end-to-end develop model的经验，最基本的要求是从清洗数据到train model到model eval，更高阶的话需要了解model serving/online testing一大堆技能

大公司里java, c++基本就是加几行减几行的改动，现学就行，我发现hm基本都不care。当然小公司就不一定了

clfhaha1234 发表于 2021-4-7 01:41
LZ好，最近很多人担心ML越来越卷，学的人多、投入不少、但却不一定有多大业务成果，而其他方向比如后端反而 ...

我觉得这个还是要结合个人兴趣和背景来谈，如果喜欢ml，背景ml比较丰富，没有必要强行转backend。同理backend也没有必要强行转ml我觉得市场是smart的，每个track长期来发展机会看都是平衡的，如果一个track很热门，短期内会有很多人涌入，但长期一定会返回理性和balance。人的职业发展有二三十年，个人觉得没有必要为短期的供求去改变自己的追求。

bottlee 发表于 2021-4-7 02:18
想问一下楼主，非Ph.D的MLE要从哪方面入手打磨技能呢？

主要是考虑到做纯算法提升的话，很难做得过学术界 ...

非phd的mle很难上手，很多大公司不提供master fresh grad level的ml position
我觉得ml infra会是一个比较好的切入点，一般fresh grad机会也比较多，先给别的exprienced mle打下手
关于打磨技能：业界机器学习很多提升不来自于模型本身，而在与设计出一个模型解决业务问题。我不觉得这个会被机器取代，因为你的input/output都是人通过对产品的理解决定的，我没有见到过很多ml eng每天花很多时间调参调模型的。

请问楼主，有经验的MLE跳槽准备面试的话，主要会考察哪些方面的内容？大厂与独角兽的偏重点分别在哪里？多谢！

LZ好，最近很多人担心ML越来越卷，学的人多、投入不少、但却不一定有多大业务成果，而其他方向比如后端反而更容易出活，更容易晋升。LZ怎么看呢？

daybreak_dc 发表于 2021-4-7 01:25
请问楼主，有经验的MLE跳槽准备面试的话，主要会考察哪些方面的内容？大厂与独角兽的偏重点分别在哪里？多 ...

面试基本就是老三样：design, behavior, coding
每个公司其实都很不一样，大厂一般process固定一点（除了有些是按照组招的，而不是general hire+team match），独角兽有的process还不是很成熟。

想问一下楼主，非Ph.D的MLE要从哪方面入手打磨技能呢？

主要是考虑到做纯算法提升的话，很难做得过学术界经常paper+conference的ph.D; 如果只做data cleaning & feature的话，又很难有hard-core skills (并且domain knowledge很多，万一换公司很可能知识的积累就用不上了).

在现在算法越来越automated的情况下，似乎做ML Infrastructure才是出路。不知道楼主怎么看？

搭车问一问，已经写了几年后端代码的，该怎么才能转行当mle呢？是要先从ml infra入手吗？

匿名者 发表于 2021-4-7 02:00
我觉得这个还是要结合个人兴趣和背景来谈，如果喜欢ml，背景ml比较丰富，没有必要强行转backend。同理bac ...

"每个track长期来发展机会看都是平衡的，如果一个track很热门，短期内会有很多人涌入，但长期一定会返回理性和balance" --- 你这是再说两个不同的点，热门行业也不一定会供过于求，这个得定量分析呀。 而每个 track 的同一级别的 compensation 肯定是不一样的呀，这个才是大家毕竟 care 的吧。不能还拿 360行行行出状元的思路来分析，那么不同 track 也是一样的道理。

想问问楼主，目前MLE什么track的job opening多？CV，NLP，RL，forecasting，recommender system，fraud detection 还是其他？好像每个track需要的技能都不一样，scientist或者MLE哪个track职位多？

bottlee 发表于 2021-4-7 02:18
想问一下楼主，非Ph.D的MLE要从哪方面入手打磨技能呢？

主要是考虑到做纯算法提升的话，很难做得过学术界 ...

手动赞下这个问题！ 我觉得这问出了不少想从别的track(特别是后端和infra)转向mle同学们的心声。