同级别的SWE薪资是不是比不了MLE

好奇的问一下，MLE比general backend engineer要多要求哪些经验？或者说做的东西有哪些不同？

比如我作为SWE，就是实现一些Rest APIs或者pipelines，保证可靠性、数据不丢失、能处理大量requests或events等等，再复杂一点就是保证数据有序、只处理一次等等。那MLE主要是干什么呢？

地里普遍认为 mle是调参侠, 自学几个月就能被称为 "MLE"。一看本科学历, 要不就是残疾双非要不就是 lower-tier 985/211。

yuhta 发表于 2022-6-2 02:25
你说的这些数学基础课ML基本用不到啊，还不如多学学随机过程、时间序列分析之类的。人家工作也不用做证明 ...

用不到? 你去搞图神经网络 实分析没学过你弄得懂 一个模型的本质？你这种在mle领域建议被优化。

匿名用户 发表于 2022-06-01 21:36:31
用不到? 你去搞图神经网络 实分析没学过你弄得懂 一个模型的本质？你这种在mle领域建议被优化。

DL现在本来就是黑盒子 哪有啥模型的本质。ML, DL不是做理论的连拓扑都用不到，概率论和信息论也不一定非要从测度论开始。ML PhD, 把线性代数，矩阵求导玩通了，已经足够应付90%的模型了。

匿名者 发表于 2022-6-1 21:36
用不到? 你去搞图神经网络 实分析没学过你弄得懂 一个模型的本质？你这种在mle领域建议被优化。

为啥没学过实分析会弄不懂图神经网络。。。

补充内容 (2022-06-02 12:50 +8:00):
我觉得实分析还好，至少学了也是对基础微积分的深入。像那种topology啥的，真就没用，不如补补cs基础。我见过有的数学物理统计出身做ds/as的，连ssh的概念都得现学，就比较耽误ramp up。。。

补充内容 (2022-06-02 12:52 +8:00):
工业界的mle除了纯发paper的（应该是researcher吧，不是mle），我感觉重点在e不在ml。随便弄个啥模型，就是上手调就好。重点还是各种系统的constraint吧，比如实时性啊，scability啊，如何做distributed啊，如何从一个平台/数据集/应用调整到另一个平台/数据集/应用。。。

find_advice 发表于 2022-06-01 21:47:43
为啥没学过实分析会弄不懂图神经网络。。。

补充内容 (2022-06-02 12:50 +8:00):

大概是spectral 那一套需要用到傅里叶变换, 基函数啥的概念。

匿名者 发表于 2022-6-2 04:47
DL现在本来就是黑盒子 哪有啥模型的本质。ML, DL不是做理论的连拓扑都用不到，概率论和信息论也不一定非要 ...

张口就来？用GCN举一个例子。GCN本质是laplacian 矩阵。图的节点会因为其邻居节点改变自身的状态。这个状态的描述也是从傅里叶变换推到拉普拉斯。

你告诉我 模型没有本质？ 你学过数学？

匿名者 发表于 2022-6-1 21:53
张口就来？用GCN举一个例子。GCN本质是laplacian 矩阵。图的节点会因为其邻居节点改变自身的状态。这个状 ...

这些个东西用到实分析？学过微积分再自学就好啊，实分析太overkill。。。

补充内容 (2022-06-02 12:56 +8:00):
怎么说呢，mle而言，工程还是大于理论的，只有工程能力都很强的人之间的比较，才需要拼内功，但是这些人有得是时间在工作中沉淀。

匿名者 发表于 2022-6-2 04:50
大概是spectral 那一套需要用到傅里叶变换, 基函数啥的概念。

终于遇到稍微懂行的人了。楼上几个兄弟 "模型没有本质"

find_advice 发表于 2022-6-2 04:53
这些个东西用到实分析？学过微积分再自学就好啊，实分析太overkill。。。

补充内容 (2022-06-02 12:56 ...

问题是你理论基础不扎实，你怎么只要怎么选取好的framework？ 难道你是金主爸爸 钱就是多，欸，我就是枚举所有的情况。

这种情况容我说一句，是在下输了，爸爸还招人吗？