从 SWE 转 MLE 的可行路径？

最近看公司内部 job posting，基本所有 machine learning 相关职位基本都要求相关工作经验，包括 MLE。作为普通的 backend SWE（目前职位偏向分布式、性能优化），想听听大家成功转方向的经验。不知道如果纯靠自学，是否能满足 MLE 岗位的要求。

我是MLE，我想转SDE，觉得MLE不是个长久之计。。。。

我来分享一下我和我队友的经历，我是非cs phd转mle，我队友是backend swe转mle，不过都是前几年情况好的时候

我是mle实习，然后面full time的，phd期间也上了全部ml的课，也发了ml paper，所以面试还挺容易的。
我队友一开始是大厂swe干了两年，不喜欢跳槽了，但是他coding非常强，学了一些ml 算法后面试也过了（也有没过的，不过过了两家mle）。之后他又跳槽了mle就很轻松了，因为有工作经验。

我们俩都觉得最容易的是转组，同时可以尝试着面试，比如和ml组有个合作，不过今年市场没法用任何一年的经验来理解。

不过各个厂的mle差异很大，如果在openai model组可能天天调参，如果在小公司可能sde+一些ml知识，如果在大厂mle可能就做做一个很小的feature。

我们面试下来，感觉首先得有domain（nlp/cv/rec sys），然后得有你的特点，比如coding非常强，能马上把别家的xx系统搭出来；或者model非常强，精通各种transformer以及微妙差异；或者product非常强，对产品理解很深入，并且可以因此来imrpove model/features/data之类的。如果你是swe转，可以主打第一类。

不容易的，ML 是一个门槛蛮高的领域，不深挖，没上手搞过，很难理解的。但是一旦理解了， 感觉就那样了，成为了调参侠，炼金术师，剩下的每个领域有贴合自己business 的modeling 和data 的domain knowledge。高深的数学或者paper，有专门的scientist 去啃，如果没有science 部门， 那MLE 就是scientist，也得啃一啃paper，但是容易丢掉工程师的一些技能和属性。我觉得Engineering 还是不能丢。
关于怎么转，我还是有点儿心得的， 虽然大学手写过神经网络，但是不专精，还只能算纯战士，就是engineer，后来项目要求，接触大数据，大数据处理还是很重要的，不管是流数据还是批数据，比搞模型更能保持住工程师的本心，当时还没机会写模型， 只看，写写周边，看不懂model，只能自己学。调调别的魔法师写好的model，慢慢就门清了。后来就自称MLE, 又接触了不少模型，虽然还不会让我来写production model， 但是已经可以自己私下写一些commpeting model，写出来比较一下效果，都没有人家专业魔法师炼金师效果好，就去问呗，学习过程。最后居然成了MLE tech lead，但是只保证战士技能比普通战士强，魔法师技能接近专业魔法师，就足够lead两种职业的人了, 仅供参考，有些人走着走着就转职魔法师了， 忘记了战士技能。

同问，紫薯紫薯

为什么要转MLE呢

蹲一下，想知道master找mle类岗位实习的难度。

请问是哪个公司？

ML infra应该不难...

真mle...基本上干的活就是2个东西了.

ACECWB 发表于 2023-4-9 21:19
蹲一下，想知道master找mle类岗位实习的难度。

. check 1point3acres for more.身边统计学，MLE基本是PhD就做相关的研究；master见得不多，看见的都非常优秀

nhlijiaming 发表于 2023-04-09 18:36:05
身边统计学，MLE基本是PhD就做相关的研究；master见得不多，看见的都非常优秀

感谢您提供的信息！请问是否有其他难度相对较低的ai相关岗位？本人ai相关经历较多，前后端工程经验少，正在筹划暑期实习。

匿名用户 发表于 2023-04-09 18:30:54
ML infra应该不难...

真mle...基本上干的活就是2个东西了.

请问这个infra就是搭建platform之类的吗，偏向后端？