MLE现在还是一个值得投资的方向吗?

建议深挖 mobile
经验积累会越来越值钱
业界需求大，灵活（大公司小公司都有很大需求）
MLE 在小公司就没啥可搞的，中大型公司才有岗，需求应该也远小于 mobile
MLE 面试难度大（ML 算法和刷题算法都不能差，ML犄角旮旯知识点巨多，很不容易准备）
MLE 听起来高大上引起一堆人入行，其实最终还是归于 ml system (偏传统 infra/ 系统），调参侠（偏 backend swe + domain knowledge + 用公司内系统），少量的 research scientist 做比较专比较精的内容（ml 要求要比 andrew ng 那个课要深的多）

综上，建议继续 mobile
如果对 ml 有兴趣可以上一些基础课，然后就足够调现成ML包做有趣的应用了
除非就在开发那些现成包的组工作，否则对普通 swe 来说，落地场景远比所谓高大上的算法可发挥空间要大。有 impact 的事情不一定是技术上最难的事情。

我厂MLE这两年招人基本只要PHD了，不要太卷。。。

匿名者 发表于 2021-9-24 12:35
列几个事实:1) MLE门槛高，需要读paper，懂数学，不像DS/DA人人可做
2) MLE工资高，L4工资对标L5
3) 逼格 ...

门槛高还需要通过假意劝退的方式来避免别人抢饭碗么。。

个人觉得沉没成本挺高的，像楼主来发帖问+上刚上完入门课，感觉离MLE还太遥远遥远。最好再问问自己，上这个课推公式自己喜不喜欢，喜欢的话就再坚持一会。

ML Infra程序猿一枚，请问怎么入门mobile？就是最基本的前后端那种？

ds不卷，卷的是data analyst，只会调参数的那种吧

个人观察
mle对engineering要求越来越高了
没有必要一头扎进那些fancy的model，掌握一些具有表性的ml model就够用了，比如xgb attention，transformer，bert之类的，很多sota不过就是对这些模型做了一些修改。

匿名者 发表于 2021-9-24 13:23
不要二极管，门槛高不代表投入了没回报，你只要投入时间精力，也是能达到门槛的，无非是投入的比SWE或者D ...

我是觉得有点阴谋论了...