文章目录
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