初阶算法工程师的工作感悟
文章目录
- 1、工作感悟
- 1.1、对比大公司和小公司
- 1.2、各岗位女生占比
- 2、找工作看什么
- 2.1、职业发展规划
- 2.2、办公环境
- 3、面试
- 3.1、面试准备
- 3.2、面试提问
- 3.2.1、问HR
- 3.2.2、问技术面试官
1、工作感悟
数学是必学的,能理解的水平就够用,偶尔才要动手去算
读懂数学背后的哲学,终身受益。网上AI炒得很火,实际上是那帮搞教育和搞融资的在宣传
算法工作和业务高度挂钩(通用性低于普通后端),建议选一个主流的业务
算法工程师要做数据标注的工作(标注方式设计+亲手标注)
算法工程师最大的困扰在于 缺乏海量高质数据
而NLP标注更是困难重重:如何设计标注、人的语言理解偏差、标注员业务水平…算法工程师通常从中下游取数(上游是业务系统数据库、中游是数仓)
上游数据不规范 会导致中下游的数据计算程序出bug开发预算不好评估,先跑一个逻辑回归试试
普通的深度学习的可解释性不好,解析能力也垃圾,连组合词模型都解不出!
算法工程师,算法和工程缺一不可;
工程方向:大数据、Linux、数据库、WEB框架…Python很多配环境报错,通常是底层报错,算法再流弊也很难搞
中后期不要死磕Python,学下Java和Scala也不错~
底层算法(Tensorflow、Keras…)不断开源;底层应用(通用图像识别、通用语音识别…)逐渐免费;因此要避免和寡头竞争。
AI+行业:AI成熟后,产生的行业,如 车牌识别、人脸识别过关、自动驾驶…
行业+AI:已有行业引入AI,如 智能客服、智能搜索…
对创业公司来说,【行业+AI】更友好搞清楚需求后才开干
(功能、细分目标、准确度要求、已有标注数据、外援业务支持力度…)团队要完整:必备三件套【业务专家、数据产品经理、前后端工程师、数据工程师】
要有用人的权利:组织安排数据标注(招人或借人)
指标要量化:短期目标、远期目标、局部目标、全局目标
1.1、对比大公司和小公司
对比 | 大公司 | 小公司 |
---|---|---|
权限 | 严格、细致,申请麻烦 | 自由 |
流程 | 规范、层层审批 | 简单、直接 |
职责 | 专一(拧螺丝) |
打杂(架构师
初阶算法工程师的工作感悟相关推荐
最新文章
热门文章 |