Machine learning engineer 职业发展选择

匿名者 发表于 2021-5-31 10:57
大佬为什么想从MLE 转到swe?

因为未来的工作机会更多些。我现在有试着找其他公司mle的工作机会，不怎么多  ：（

所以可以把MLE理解成懂ML的SWE吗？

每只猫都是天使 发表于 2021-05-30 20:33:02
因为未来的工作机会更多些。我现在有试着找其他公司mle的工作机会，不怎么多  ：（

大佬了解MLE infra 吗？好像现在infra 都是在aws 可以做吗？

关注一下 紫薯紫薯

匿名者 发表于 2021-5-31 12:08
大佬了解MLE infra 吗？好像现在infra 都是在aws 可以做吗？

我是菜鸡一只，infra 有aws也有azure还有gcp，看具体公司

StanleyGY 发表于 2021-5-30 14:17
关于转research组，目前一线的AI research Lab一只手差不多都能数过来。我不清楚楼主 ...

hahahhah very true!

我在麻厂某science组做l6 sde

1.就我们组招l5的as的bar来看，现在基本能过简历关的，顶会的paper起码在phd期间要有个3-4篇。然后这些as大多数时候并没有做什么所谓dl research前沿的东西，大多数work是根据data对于已有的模型做点儿增减。dl research的前沿也是一个不大严肃的说法，这个东西的上限和你的组的capex挂钩，没有计算资源，不用谈前沿。能给你大量计算资源试错的组，屈指可数，brain和fair也不见得就能够为所欲为。特别是现在整个ml业界的投资有所降温，capex卡得就更紧。

2.做infra的mle。说实话，这个我觉得深度也有限。aws的sagemaker那一套东西，长远来看会一直和mle工程师们抢饭碗，能抽象和复用的，最终都会做到产品里面去。除非公司有很强的vendor lock-in的concern，如果price in aws的话，自己造一套这种pipeline的效益不会很高。

ml整个end2end的pipeline里面，精华其实在data creation/data qa和inference加速这两块，前者根据任务的不同，对于tooling的定制化要求很高，需要领域知识，抽象成本高收益低；后者和硬件紧贴，接近底层，门槛较高。中间这些layer，长久来看，我觉得并不会维持特别高的溢价，最后会回归普通data engineer的工资水平。

每只猫都是天使 发表于 2021-05-30 21:43:18
我是菜鸡一只，infra 有aws也有azure还有gcp，看具体公司

大佬谦虚了。牛的大佬总是这么的谦虚。

想追问一下那么如果都已经用了aws 或者gcp 等等，其他公司还需要ML infra engineer做什么呢？是不是就是维护一下？

每只猫都是天使 发表于 2021-5-31 01:44
同是mle的进来点赞👍，最近想进入swe领域

英吹斯汀。为何想MLE --> SWE呢？
目前多是：SWE --> MLE

asianyoungman 发表于 2021-05-30 13:55:07
. 1point 3 acres我是machine learning platform/infra engineer. 懂的ML理论较少，主要是把ML 过程streamline一下，做成平台（或者说做成一个data/ML produ

你是在uber吗