如何成为一名深度学习和算法工程师

如何成为一名算法工程师

从系统架构中找到了最合理的思考方向，从数据细节中发现了问题的真正之所在，剩下的事情，就是用你的技术能力，你的建模能力去解决它。

1）系统架构

2）数据细节

3）建模
需要培养的能力：解决问题的能力

对于一个以机器学习为核心的大系统来说，要从三个方向找到你解决问题的方案：

1）样本与特征。你的特征是否干净，有无噪声，特征质量是否高，覆盖率怎样，样本相关的数据流实时性如何，样本是否有丢失等等问题。数据才是你系统效果的上限，模型只能决定接近这个上限的程度。

2）Label。对于Label的理解其实本质上就是你对问题的理解。到底什么才是你这个问题真正的label，如果没有明确的正label，如何处理处于中间阶段的label，要多目标还是多阶段，还是独立拆解成两个问题。在海外隐私合规日益严格的情况下，拿不到label怎么办？如何用一些替代信号当作label，如何在合规框架下拿到label。

3）模型。你对模型的理解是否还仅限于套用别人的框架？能否从你的业务特点来改造模型？哪些特征该交叉？哪些该做成wide，哪些该做成deep，哪些结构inference特别慢，如何优化，模型的改造会不会造成工程上吃不消，不同模型之间如何配合等等。总之模型的改造记住一句话，一切不经思考纯靠蒙，靠原封不动移植模型架构的尝试都不会有太好的结果。

总结

深度学习不等于算法