算法工程师的日常，一定不能脱离产业实践

观点分享

Author：louwill

Machine Learning Lab

     

昨天刷知乎，看到霍华德老师的一个回答，深以为然，今天拿出来跟大家说道一下。

霍老师在该回答下例举了虚假的AI的主要表现特点，然后给出了要做到真实的AI的几大要点，可谓是点金之言。

在霍老师观点的基础上，笔者今天要跟大家谈的是，算法工程师的日常，一定不能脱离相当程度的产业实践。

在数据和算法行业领域，什么是产业实践呢？打一场kaggle或者天池数据竞赛，算不算数据产业实践？很遗憾，不能算。根据狗熊会“熊大”王汉生老师的观点，数据和算法领域的产业实践，是要在真实的生产环境中，让数据和算法能够产生可被产品化的商业价值。

从这个定义看，参加数据竞赛不能算数据或者算法的产业实践。

笔者认识很多圈内刚毕业工作没多久的朋友，一心想着提升自身技术水平，这一点无可厚非，笔者当初也是这么过来的。

但需要注意的一点是，一定不能把注意力都放到算法和模型训练方面。之前有个朋友，面试进了一家中等规模的企业，进去之后还一直延续着在学校时候的习惯，数据喜欢要现成的，从来不自己想数据采集、数据清洗和数据标注这类事，只喜欢搞算法训练。一年职场下来，路越走越窄，最后被迫离职了。不是说专注于算法研究不好，而是仅仅想着怎样疯狂过拟合训练集和验证集，不思考数据和模型背后对应的业务逻辑，这种情况对个人成长是非常不利的。写代码训模型的人每年都很多，可替代性极强，但懂业务和注重产业实践的人就很少了。

所以，笔者这里建议各位算法工程师们，做数据与算法相关工作，一定要重视业务，积极深入的参加所在行业的产业实践。

以笔者所在的医疗行业为例，这两年大家可能也有听说过医疗AI落地一直存在这样那样的困难。

难的是算法训练吗？显然不是。如果你抱着天天跑模型的心态进入算法岗位，对个人或者对公司肯定都不是长久之计，更谈不上什么产业实践了。

医疗AI行业，具体来说是医学影像AI行业，真正有益于个人、企业和行业的产业实践应该是怎么样的呢？

医疗数据和算法行业，不同于电商、互联网或者社交等其他行业，要想把一款医疗AI产品做到上市，需要全程受国家药监局管控的。感兴趣的读者可以查一查，医疗AI兴起这么多年，目前国家药监局发了几个医疗AI的三类证？

从数据采集、脱敏、清洗、标注、划分到算法训练、验证和测试，再到形成软件产品的型式检验、临床试验和器械注册，到最后产品落地到医院，在临床实践过程中辅助医生进行诊断。全部流程完成，才算一个真正的医疗影像数据与算法的产业实践闭环完成。

当然也不是说让大家都完成全部的每一个流程，既不现实也不可能。即使你在目前的算法岗上的工作不需要你做数据采集和标注，但深入了解背后的业务逻辑和客户的真实需求，是衡量你是否在做数据产业实践的关键所在。

愿大家都做真实的AI，不做虚假的AI。

往期精彩：
【原创首发】机器学习公式推导与代码实现30讲.pdf
【原创首发】深度学习语义分割理论与实战指南.pdf
 谈中小企业算法岗面试

 算法工程师研发技能表

 真正想做算法的，不要害怕内卷
 技术学习不能眼高手低

 技术人要学会自我营销

 做人不能过拟合

点个在看