如何对待mle面试印象和实际工作的差异?

楼主目前的title是mle，日常工作中也有过数次在面试桌的另一边做面试官的时候。这一年来经常觉得面试时候自己被问到的，以及面试别人时候大家讨论的，都和day-to-day work不符合：面试时候会觉得要招人做很高大上的ml，但day-to-day不是每个人都有这个luck（e.g., 项目成熟度；数据质量与数量--这些因素都会dictate可用的/有效的方法）--或许最开始只能先上rule-based, low-to-no ml的方法。我自己目前的正常工作时间并没有多少用ml的机会。只能利用after hour时候学习+温习+练习，好让自己不要太rusty。导致最近越来越羡慕身边的确可以做dl的同事。

时间一久我都开始自我怀疑：
1. 自己是不是应该换个方向
2. 担心自己越投入地工作，ml方面就越是只有退步难有进步（毕竟一天中大多数时间都没在用ml）。就算老板说ml只是方法之一，做的东西要有用才是真理，但我自己去帮忙面试的时候会觉得无论内部说法是什么样子，雇人时候肯定还是prefer做高大上方面经验丰富的人。所以也越来越焦虑自己的技术方面的成长

好奇做这行的朋友的day-to-day都是什么样子。是否也有遇见过这种情况+心态，以及如何克服+自我提高的？

MLE是个大口袋，什么都能往里塞，面试的时候见过纯DS的也叫自己MLE，也有见过SDE只是学了一点点ML就说自己MLE的
我觉得未来趋势还是会ML的SDE，你去看看meta/果子/狗面MLE的流程那种就差不多知道，基本就是SDE那一套都得会，外加还能聊ML

至于你现在工作不够高大上这种问题只能想办法换个project换个组，如今ML正火着，感觉不管做的是什么都叫自己ML

基本上你认为高大上的mle，也是一年内要做9个月左右的infra bullshit，然后感激涕零的看3个月paper， train model。然后刚想dive deep，老板就说差不多了，去下一个坑。

不然就是真的大神，去做research scientist。结果大神告诉我一样有一堆破烂infra work。

可以上脉脉看看国内大厂搜索推荐广告算法相关同行的日常讨论

这里相关的同行很少很少，更别说讨论了

做ML就三条出路，一路往Research Scientist走做研究型，一路往SDE走做ML Infra做工程，一路往DS走做Business driven。

alan20062006 发表于 2022-11-22 23:53
做ML就三条出路，一路往Research Scientist走做研究型，一路往SDE走做ML Infra做工程，一路往DS走做Busines ...

个人愚见，ML Infra最有前途

匿名用户 发表于 2022-11-23 02:02
个人愚见，ML Infra最有前途

仁兄可不可以细说一下

匿名用户 发表于 2022-11-23 00:02
个人愚见，ML Infra最有前途

. 1point 3 acres要说最有前途，肯定是第三路走Business Driven最有前途。要说最容易走的肯定是第二路做ML Infra。

alan20062006 发表于 2022-11-23 09:56
要说最有前途，肯定是第三路走Business Driven最有前途。要说最容易走的肯定是第二路做ML Infra。

为什么说做business driven有前途呢？觉得纯ds和mle现在也有鄙视链，因为前者容易更偏analytics。

匿名用户 发表于 2022-11-23 13:05
为什么说做business driven有前途呢？觉得纯ds和mle现在也有鄙视链，因为前者容易更偏analytics。

做算法的其实也能要做分析，慢慢工作就演变成data driven business strategy做商业决策，出的都是产品战略、运营战略这种，但因为你是ML背景，说话就是会比analyst有分量（就是你说的鄙视链的作用）。因为做的都是非常可移植的business技能，之后路就越走越宽。