最近看MLE的招聘，大部分都需要C++?

c++和 python

yz9 发表于 2021-12-15 01:40
你说你模型端到端的部署，难道你们用的是 python 嘛？一般大厂为了线上性能用的都是 c++的

Are you sure?同时楼主是小厂，似乎不需要用C++来进行高性能开发满足高并发业务需求

Nobody cares...

因为有些mle实际上根本不是做modeling而是做诸如ml workflow，inference server，feature store和data pipeline之类的，实际上更类似infra sde，只不过做的service是给ml领域用的。如果楼主志在modeling，那应该避免这些类型而应该找重在modeling的职位。而且除非是ml业务还在早期，通常不会让一个人同时负责infra和modeling，所以同时精通这两块当然很好，但并非绝对必要。

要C++说明两种可能。
要么你要去做serving，inference端的更改，需要去碰tf serving。
要么你要自己加operator，需要去碰TF core或者pytorch core.

那本来就叫ml sde。要求和sde差不多

非常感谢老哥们的分享。分享下我的感受，就是mle和ds可能会分的越来越清楚，大部分厂还是会把部署交给mle，炼丹交给ds。
而现在mle的要求就我这段时间投简历来看，大厂mle会少一些炼丹的工作，多一些系统上的工作。所以光会python可能不够（没有统计数据，个人感觉90%都需要 python or c++/java，50%左右需要python and c++， 30%左右需要strong c++，software development也是频频提到）。
小厂对各个岗位的定义都比较灵活，所以可能会有mle专注在炼丹上。
总的来说，想做ml可能还是应该找专注ml的ds之类scientist track，避开analytics的ds就可以了。说的不好请轻拍和分享下你的想法。
感谢

MutouMan 发表于 2021-12-15 21:04:21
非常感谢老哥们的分享。分享下我的感受，就是mle和ds可能会分的越来越清楚，大部分厂还是会把部署交给mle，炼丹交给ds。
而现在mle的要求就我这段时间投简历来看，大厂mle会少一些炼丹的工作，多

其实大部分公司production ml，包括product ml和ml infra都是ml sde在做。ds做analytics 及其相关的ml，但不会在产品线上

MutouMan 发表于 2021-12-15 21:04:21
非常感谢老哥们的分享。分享下我的感受，就是mle和ds可能会分的越来越清楚，大部分厂还是会把部署交给mle，炼丹交给ds。
而现在mle的要求就我这段时间投简历来看，大厂mle会少一些炼丹的工作，多

怎么说呢，不要把眼光局限在modeling上，modeling只是ml项目很小的一部分，而且也是工业界和技术前沿脱节最严重的地方。因为serving的各种限制，大多情况下只能用很基本的model，做一些原本没有必要的feature engineering。相反做ml infra反而可以更加接近前沿，因为性能够用即可，而速度越快越好。model parallelism, pipelining, 如何优化model的sparsity，支持低精度运算等等都是很有用的技能。也需要很好的ml基础，不是一般sde能直接上手的。你看看最近的大型ml项目的contribution section，比如deepmind的gopher，80多个作者，只有4，5个涉及到modeling，你能说其他人都不是在做ml吗

harrybob 发表于 2021-12-16 13:40
怎么说呢，不要把眼光局限在modeling上，modeling只是ml项目很小的一部分，而且也是工业界和技术前沿脱节 ...

是这样的，model 其实感觉不是那么重要，我感觉 model 不太好做护城河，玄学调参真的能积累成自己的能力吗？我现在也倾向于做一些 ml infra 的活。其实大厂除了 ai lab，其他 model 都没有 coding 重要吧