新手MLE应该如何补充知识背景

楼主作为MLE在现在的公司已经工作几个月了，但是总感觉知识上缺少了很多东西。工作中很多时间花在生成数据，处理数据，训练模型，测试模型的效果，然后再根据loss cases回头去看是数据有问题还是模型训练过程有问题。说起来像是这么回事，但我总觉得自己还是云里雾里的，很不自信。在现在这个环境下，万一自己失业，估计是面试不上自己现在的职位的。所以我想补一补知识。至于补充到什么程度，我觉得至少是能做到“我如果现在去找工作，能有信心去面试一个MLE的工作”这样。

因为转码，当初上学的时候也没想到以后会做machine learning，所以上课也没有很认真听，再加上上一份工作做的还是后端，所以ml的知识早就忘得差不多了。求问地里朋友们有没有推荐的coursera的课，如果有针对搜索推荐的更好。我自己可以想到的是找一个Applied Machine Learning的课开始听，原因是我并不需要很深的理论知识，而是知道实际工作中，有哪些训练模型的技巧，比如怎么处理overfitting，怎么做hyper parameter search，怎样能提高模型的performance。另外就是看看system design的内容了，这个地里已经有很多推荐，比如Alex Xu的书什么的，但我觉得优先级更高的还是补充ml相关的知识。

谢谢大家。

李宏毅，李沐，YouTube上面的，差不多了。我反正就靠这些。还有就是读些文献，对参加一些reading group ， 认真present。当然，主要还是从做project 去学习。
去年进了一个AI组，那会deep learning 是啥都不知道。然后做了一年的NLP + speech， 拿了几次org的scientific excellence awards, 还promote, 还有一篇文章应该会被接收。
我也是转码，而且之前的专业跟码和ML半毛钱关系都没有，先做了两年码农也搞不清楚是后端还是全栈。

lz主要是做dl的还是传统ml？我现在岗位是applied mle，但是天天xgboost，感觉主要的难度是找data source和挖掘feature，因为feature带来的提升远大于model的奇技淫巧。而且很多场景下不知道model的极限在哪里，所以看着offline效果有提升（虽然不知道最优能提升多少）就放进AB test测试了。近期越来越觉得作为传统业务场景下的applied mle，相对于其他风口相关行业的applied mle（比如大语言模型，技术是劣势，唯一的优势就是对本身这个业务方向会增加一些domain knowledge，但是假如换一个公司换一个业务方向还是简单粗暴xgboost，aka简单调包，越来越觉得没什么意思。

楼主面试时候面的是啥 怎么过的 不是怼啊 是想知道怎么能转MLE 如果现在工作用不到ML的话

当时找工作的时候问了什么啊？

插个眼zszszszs

匿名用户 发表于 2023-5-14 18:29
lz主要是做dl的还是传统ml？我现在岗位是applied mle，但是天天xgboost，感觉主要的难度是找data source和 ...

我们做的算是dl吧，只是并不deep。。我跟你有点同感，就是搞data source和挖掘feature，说实话有点点无聊，而且确实像你说的这样，长期积累下来的可能很多是domain knowledge，不一定通用的。我想请问下你如果是llm相关的applied mle指的是什么呢？以llm作为foundation model这个基础上做的ml application吗？

mark 一下下。同不知道该往哪方面积累。现在感觉就是一些简单模型offline效果不错就放AB testing，有问题就再调调threshold…

zszszs

mark下 同关注

關注一下zszs

mark