《为什么“高大上”的算法工程师变成了数据民工？》阅读笔记

文章出处：https://mp.weixin.qq.com/s?__biz=MjM5MDAxNjkyMA==&mid=2650739649&idx=1&sn=8ffd715ed841d03679b35e666e9abb89&source=41#wechat_redirect

 

只有人能够理解数据，算法对错需要依据人的经验或者业务指标判断。

重要的是对业务的理解。

业务中技术性困难由于历史出现过的众多工具，剩下的已经很少了。

核心观点：大部分程序员，大部分所谓的“科技”公司，所面临的技术问题比想象的要少的多。

做一些“高层的、能看到项目整体的”、以及“和人打交道，能够把自己的想法向外推动，并产生价值”的工作。

转型为业务和产品导向。

把注意力集中到数据的理解、清洗、预处理、人肉特征、业务应用上来。

机器唯一不能替代的就是对数据的理解，这是算法工程师存在的价值。深入理解数据、业务和产品，寻找模型和它们的结合点，将成为算法工程师的核心竞争力。

目前做机器学习模型相关的项目，在改进的时候，基本上都采用试错的方式。

关注“人”的问题——比如前面提到的“如何推动自己的想法”，“软实力”之类，大的包括机遇，小到“发邮件应该抄送给谁”这种细节。

如果真的想做技术，那么去做一些真正的技术。否则，就需要多多关注技术以外的东西。

 

转载于:https://www.cnblogs.com/yaoyaohust/p/10216825.html