Fork me on GitHub

算法在岗一年的经验总结

来自:CS 的陋室

说起来今天还是一个有意思的日子,去年在美团实习,离职的时间也是 12 月 7 日。

算起来,自己的算法在岗应该也有一年了,在美团担任算法工程师大概有 7 个月,OPPO 加上实习,估计也一年多吧,时间过的好快,这周末给大家谈谈我的感想吧,相比各位大佬,我的经验尚属稚嫩,但是也希望能给一些准备入行的、刚入行的人一些经验和建议吧,相关文章其实我也聊得不少,这里有部分重点我可能还会聊到,但是不见得都会说到。

懒人目录:

  • 算法工作的一天都要干什么。
  • 特别的经验。
  • 有关学习。
  • 写在最后。

算法工作一天都要干什么

很多人可能再想想着每天在研究模型,看论文,实现模型之类的,这方面虽然非常重要,但是实际上并非如此。每天这些时间会花的更多:

  • 和产品沟通,技术方案设计。

  • 数据层面花费的时间最多。

    • 需要什么样的数据。
    • 写 SQL。
    • 检查数据质量,空的、错的、不合法的。
    • 特征工程。
    • 有监督学习,需要标注数据,怎么标,标注本身是否可靠。
  • 模型选择与开发。这块可以这么说,随着工作经验提升,这块时间会越来越少。

  • 模型选择的话,把问题抽象出来,其实都比较好选,第一版模型一般是业内基线或者最简单的模型,像我,二分类先搞 LR(logistic regression),序列标注就是 CRF。

  • 模型开发也基本不耗时,LR 和 CRF 之类的其实都有现成的东西。

  • 结果分析和诊断。

  • 不生效的原因是什么。

  • 怎么解决。

  • 模型层面还是规则层面解决。

  • 解决方案的影响面是多少,会不会导致出现新的问题。

  • 评价指标设计。

  • 分析上述模型是否生效。

  • 上面都是自评,可能还要交给测试、产品之类的评价。

  • 工程化上线。

  • 模型上线,需要特征生产、AB 实验、部署之类的操作。

  • 如果你熟悉在线跑的代码,例如 Java、c++ 之类的,这块的时间会比较少。

  • 提测,提交给测试人员测试。

  • 评估上线。

这是一个算法工程师基本的工作内容,当然的,会随着你的业务不同会有一些不同,但是点上都是一样的。

特别的经验

工作也一年了,有一些比较有意思的经验。

  • 规则应该首先使用,保证高准确,模型后续补充来提升泛化能力。

  • 模型不求高端,只求实用和稳定。

  • 与科研不同,很多时候科研只关注召回准确之类的指标,但是在现实应用下还需要考虑耗时、内存之类的因素。

  • 把自己做的东西尽可能工具化,哪怕是保存下来,日后可能还会用。我也举几个例子。

    • 日志工具。
    • MySQL 登录工具。
    • 数据清洗工具,删标点,拼音转化,繁体转简体等。
  • 特征工程的操作要多学学。有的时候对这些操作的理解依赖于你的数据敏感性。来举几个例子吧,这些都是在我工作的现实应用中有遇到的。

  • 为什么数据有的时候要取对数。

  • 调和平均、算术平均等平均计算有什么本质区别。

  • 归一化有什么用,行归一和列归一。

  • 不懂的问题,过一遍百度、谷歌、GitHub、知乎再说。

  • 坚持看论文,也别忘了最好还能看看源码,有大量的东西在论文里面不会提到,只会在源码里面体现。

  • 复盘,会让你的经验更不容易流失。俗话说好了伤疤忘了疼,为了避免踩过的坑不再踩,必须经常进行复盘。

  • 快速学习,工作导向,干完活后续整理的时候再来完善系统的学习。

  • 严谨点说吧,干活的时候本想着高大上。

  • 时刻记住,你做每一件事情的目标。

  • 说几个细节经验吧。

  • 另外解决线程不安全的方法,还有一个比较丑的操作是创造和线程数一样多的模型,这样能解决,但是内存就会成倍增加。

  • CRF++ 的线程不安全,主要因为很多中间变量都会存在 CRF 自己的 model 类里面,所以要保证线程安全,必须把计算过程的中间变量保留在特征类里面,不能放在模型类里。

  • LR、CRF 之类的计算耗时都不长,RNN 系的耗时会比较长,甚至比 transformer 还要长。

  • 善用数据结构,能让你的计算效率成倍增加,近期的经验就是 trie 树和最大逆向匹配。

  • 留意内存泄漏、内存复制之类的问题。

  • libsvm 格式存稀疏数据。

  • mapreduce 操作大数据量非常方便,可以经常用。

从工作回头看面试

  • 简历上有东西,那就会针对你的经历去问,事无巨细的问,所以写上了就要做好被问的准备,不会答还可能会被冠以不诚实的罪名。
  • 造飞机是一定会造飞机的,面试内容不见得 100% 和工作内容有关,但也不见得就 100% 无关,一定是很贴切的,毕竟和工作相关的才是面试官需要的。
  • 和打游戏点技能一样,不能每个技能点一下,而应该有专长,虽然可能会缩小你找工作的口径,但是找到不被拒的概率高。尤其是新手,要有你擅长的点,例如你对文本分类很懂,对序列标注很懂之类的。
  • 前沿的东西,不要说完全没听说过,大概的还是要知道点的。
  • 经常会问一个具体问题,你要怎么解决,这需要你对整个算法问题有一个完整的思路套路,而且要想的细致,例如小到用什么特征,特征体系是什么样的。
  • 算法现在似乎并不比其他技术岗高,重点是你的技术要够强。

有关学习

大家可以看到我的持续学习,后面大家问到我很多有关学什么、怎么安排时间之类的,我在这里也和大家谈谈。

  • 安排时间。每天都有安排特定时间学习,1 个小时吧,然后中午午休我一般只睡半小时,剩下的时间会拿来学习。
  • 学什么。一方面根据业务本身,这个优先级比较高,未来业务或者近期业务需要做什么事情,那我们就要提前学;第二优先级就是你要加深学习的知识点。第三优先级才是前沿论文,尤其是一些已经被广泛传播的,例如近期的 BERT 之类的。
  • 资料从哪里来。第一优先级的东西,一般都是比较浅显的技能类,这个百度、谷歌、GitHub、知乎之类的即可找到;第二优先级,论文、GitHub。第三优先级,多看微信公众号、知乎、AI 研学社、paperweekly 之类的文章吧,他们会告诉你该看什么,另外多关注学术界。

写在最后

写在最后的是感谢吧,感谢之前所有老东家现东家的同事、导师各种,没有你们的帮助,我不会这么快成长起来,当然的,包括成长路上的各位老师,还有一起奋斗的舍友、同学吧。

日后我还会继续努力。


本文地址:https://www.6aiq.com/article/1583417452303
本文版权归作者和AIQ共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出