Q：DS转MLE的话 CS哪些基础知识一定要补一下
A：最最基本 ：data structures, algorithm, ml 各种算法如何写代码实现。
OOD，Design patterns还是很有用的。读懂别人代码，给你个api会用，也是很基本的。
Q：从sde转做mle容易还是ds转做mle容易呢？
A：SDE 和 DS 转行相比较，要补的东西不同。泛泛而言，DS一般建模理论和实践比较强，但是相对于SDE来说，写码能力会差一些，并且CS基础知识欠缺。反观SDE，看之前 概率，数理统计，各种建模，学习了多少，基础如何，真的从零学起的也不是很容易。
所有的容易不容易都是相对而言，每个人背景不同，想做的事情不同。列好补课提纲，也要行动力嘛。
Q：作为非cs背景的ds，在转mle的过程中应该如何丰富自己的简历与其他qualification呢？
A：ML eng看重建模，编程，解决问题能力，有时还要自己写点data processing pipeline。想一下自己现在的工作内容有什么相关的，有没有可能争取到做相关的project。也可以去上课，各大mock平台那么多，online CS master可能耗时太久，local大学上一些课。Kaggle也是一个途径。现在参与的人多了，能拿到好成绩还是挺厉害的。
Q：怎么提高自己的建模能力呢？我在面试过程中，发现自己主要是在具体的case study的建模里容易卡顿，比如，之前遇到的一题，每个文件包括不同数量的3个feature，已知处理文件的时间随文件数目的分布图，建模分析提高哪个feature最有利于减少时间。类似于这样的case我觉得自己分析的不是很全面，想问问楼主这种问题有没有具体的回答思路和训练方法呢？
A：这个话题好庞大，可以写长帖了。case study 除了看建模方面的例子（例如各大科技公司的blog， kaggle各种kernel，积累经验很重要），还可以看一下商学院准备case study的资料，cracking the PM interview 等等来扩展自己的思维。单就面试而言，答题可以用总分总的模式，要解决什么问题，接下来要做哪几步（收集数据，建baseline，尝试模型，offline/online evaluation，如何改进，最终上线），然后总结你解决了什么问题。白板上列出大纲有利于理清思路。毕竟面试时间有限，某一点具体展开讲之前，问下面试官要不要花这个时间。面试官问的问题可能故意很模糊，需要你问 clarification questions来搞明白。有什么数据，能用什么数据，model是否看重容易理解，都要问清楚。做assumption之前，解释下为啥这么做，问面试官这么想是否合理。 面试官给提示的时候要记得follow。
Q：experienced ds 转mle 的话是不是还是得从entry level做起呢？
A：看面试表现，之前的经验和级别，不是特别资深的，一般平级问题不大。以前就是搞ML，coding又强，跳槽时候升一级不是没可能。别的状况，就看你自己觉得值不值得了。转行要趁早，越往上，换方向代价越大。
Q：我是小公司的ds，除了做research，也要implement code，然后跟engineer合作一起做production，感觉定位不是很明确。想请问lz，mle的话会有类似于research偏理论和实验的内容(比如读paper，测试新的算法和特征)么？还是说确定了用某个算法之后做implementation多一些？
A：大公司应该有，这个要找内部人士打听，毕竟同一个职位组和组之间差别可以很大。
Q：小菜鸡MS应届生目前在大厂做ML engineer, 主要做recommendation system从infra到pipeline到model啥都涉及。目前苦于今后的职业规划，可以给一些建议吗？应该侧重哪些方面？啥都做感觉啥也做不精。
A：ML eng 和 swe 到一定程度，要么选择继续做IC，当 tech lead 带技术队伍，要么去做 people manager。tech lead不光要了解技术细节，大局各种架构更加重要。people manager其实就是另一套 skill set了。这个怎么选择，看个人偏好了。做了几年，觉得另一个方向更适合自己也可以再转。junior时候多学多问多观察。听你的描述，你们组可以学到的东西很多，具体的技术方向肯定是要先了解才能做选择。看看你周围你佩服的人在哪些方面强于你，你如何可以变得和ta一样厉害。
Q：Design patterns 是指OOD不？ 有木有推荐的资料呀。编程语言的话除了python这种， c++和java是不是也得会一个？
A：design pattern是OOD的一部分。production code不一定会是python，C++和java至少得会一个。有的公司用spark处理数据，scala可能也要学一下。
相关讨论
随便看看