在回答这个问题之前,我想谈谈误解。许多朋友对深度学习时代的红利感到厌倦,并且经常叹了口气,表明算法的瓶颈被展示。实际上,这是一个状态默认值,算法工程师=深度学习工程师。这种等效性建立了吗?当然不是。没有人指出,如果您遇到广告系统或推荐系统的问题,则只能使用深度学习方法来解决它们。实际情况是,在搜索和广泛推动领域的许多问题中,深度学习不是最好的解决方案。面对寒冷的开始,搜索和使用推荐系统,广告系统的招标,预算分销等,您将加深深度学习的道路。
通过逃避这种误解,您可以谈论如何以算法工程师的身份打破游戏,如何逃脱深度学习限制以及如何返回正确解决问题的正确方法。像本文一样,就像幻想一样,算法工程师的能力框架是“天堂”,“地球”,它可能已经考虑了我们在世界和地球之间可以做什么。而不是。
算法工程师 - 系统架构日
当我写一本名为“深度学习管理系统”的书时,我努力工作,始终在心中打印推荐的系统框架。离开系统并不理想。我认为算法工程师日应该是我心中印刷的系统架构。成功的改进需要使该系统毫无意义。
通过谈论算法,系统体系结构的改进可能是一个非常有趣的结果。许多年前,我仍在垂直领域做广告。在广告商的转型案例中,这非常困难。因此,转换的数量很少,一天可能有几天。在这样的场景中,许多同事想使用深度学习模型来解决这个问题,因为当时对行业的深入学习是一个普遍的趋势。但是,重要的问题是深度学习模型不适合处理小型样本学习。当时,无法解该技术的所有效果。在这个问题的框架下,深度学习并不是一个明显的界面解决方案。