同级别的SWE薪资是不是比不了MLE

匿名用户 发表于 2022-06-01 21:53:11
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。
.google  и
你告诉我 模型没有本质？ 你学过数学？

GCN这一套理论出发点是图的拉普拉斯矩阵的本正分解，eigen vector完备正交可以作为在频域里的基函数。这点理论不需要去舍近求远看一整套完整的实分析复分析，拓扑，测度论。不做纯理论的ML, DL PhD遇到啥学啥就可以。微积分，线性代数学会了就够用。

匿名者 发表于 2022-6-1 21:58
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 ...

framework指的是ml model吗？我感觉一个模型前后要做的东西很多，modeling只是其中一部分，而很好和非常好的model，差距就更小了。我怎么知道“很好”的model？市面上大概用的，senior同事的经验，ml书，各公司的技术blog，review类的paper，都是资源。

等把别的工程问题解决了（解决得完吗？）再去抠model本身。又不是phd水paper。

补充内容 (2022-06-02 13:09 +8:00):
光就数据本身都有很多工程问题。比如这段时间的数据分布和之前不同了，这段时间数据量少了/多了，某个依赖的service down了数据少了feature，某个政策导致某个feature拿不到了，我到底允许做什么数据量规模的testing，我要把适合market 1数据的模型应用在market 2上需不需要做transfer learning，某个数据量需要多少时间train。。。

find_advice 发表于 2022-6-2 05:04
framework指的是ml model吗？我感觉一个模型前后要做的东西很多，modeling只是其中一部分，而很好和非常 ...

有道理的 学习了！

匿名者 发表于 2022-6-1 22:18
有道理的 学习了！

不过反过来说，就我认识的业界mle，理论水平确实比较一般，很多model也是用的最浅显的形式。至于如果用了我觉得更“高级”的model，是否真能本质上提高business metric，是否比严格的工程实现更能体现优势，我只能等自己的工程能力到了那个地步，才有资格评判。

find_advice 发表于 2022-6-2 05:31
不过反过来说，就我认识的业界mle，理论水平确实比较一般，很多model也是用的最浅显的形式。至于如果用了 ...

我认真看了一下你的评论，确实不用过多的理论水平(偏research之类)。确实从engineer的角度受益匪浅！（抱拳 谢指教）

真正去搞重工业的人对学数学的说，那些破玩意有个什么实际应用，除了弄个广告有个鸟用，各个deep learning哪一个航天发电国计民生之类的东西用到了？上线全抓虾。

find_advice 发表于 2022-06-01 11:07:23
phd student是调参侠，mle主要工作是维护service pipeline吧，工业界对系统能力的要求比ml能力要求更高。我有一次面试，面我的四个mle/sdeml，博士期间全是做distri

这个还真不是，data pipeline还是容易上手的，backend好好学一下就行了。MLE的门槛主要在modeling，好的坏的真能差很多，也不是看书看YouTube能学会的，就得工作中试错外加读论文。


当然啦肯定有的公司mle定义不同，就是搞pipeline加serving infra也有可能

MLE 的求职准备是很难的。好多都是小镇做题家，phd什么的。

在大厂当mle这么多年，找工作可能得整点花活儿装饰下简历。但是实际工作中一定要记住邓公那句话，不管白猫黑猫，抓住老鼠的就是好猫。。

mle薪资高的原因我觉得是因为mle处理很多不确定性，这个工种就很虐，不像很多swe实现某个系统，相对确定性一些... 很多时候mle跟占星术没啥区别，所以最后要不就是跑无数实验要不就是求神拜佛，哪一样都是血汗和担惊受怕...

匿名用户 发表于 2022-06-01 21:53:11
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？

说句实话，你说的这些现阶段的发展跟金融模型预测股市没差太多。回过头来看都能解释，距离实用就又雾里看花，不见得比大力出奇迹来得好多少。

当然了，作为半个数学专业的希望如你所想的人越多越好。。。