一個演算法工程師的日常是怎樣的?

比如思考、寫代碼的時間分布是怎樣的?


實名反對匿名的那個答案。數據挖掘工程師和演算法工程師是兩個崗位。

回答問題:很多演算法團隊是配備專門的工程人員的,做演算法在系統中的集成。演算法主要的工作在分析數據,修改模型和做實驗上。業務不把人逼死的時候,看看KDD上的論文,看看哪些可以拿進來做提升的。思考時間最多,但是一般和業務相關,比如分析數據,了解業務場景;學習時間看自己的工作效率和業務壓力情況,一般浮動比較大; 寫代碼...基本不太寫。

之前在百度也是演算法團隊,寫代碼的工作會多一些,很多演算法要自己在伺服器上實現和發布。

整體來說演算法工程師沒有一般開發那麼大的業務壓力,但是很多時候需要自己思考確定工作方向,比如在百度做某個指標的優化,要自己分析數據,看代碼,思考在哪些方面做提升。

「有夢想有能力的」都在自己的崗位上儘可能的提升自己的能力和價值,無論是在公司還是創業。每天開會發微博抖機靈的,不知道能力都是從哪裡來的...


思考、看書、學習的時間: 寫代碼的時間 = 7: 1


20%看資料看論文,30%思考,45%處理數據,5%寫代碼,大概


在一個中型互聯網公司做挖掘。自己建模還要自己部署,大部分時間是數據處理,模型調優和看論文。寫代碼的時間還真不多


呵呵,大公司的演算法工程師日常:

開會。

微博轉發一批又一批的乾貨,同時@ 印象筆記,然後基本上不會再看了。

寫點腳本清洗數據。

人肉加規則搞效果。

然後在微博上說:「嘗試了一下XX演算法,XX模型,發現效果還不錯」。

特別點名一下:

阿里的演算法工程師又稱為「sql工程師」,「抄底工程師」。

有夢想有能力的,就去創業公司吧,別在大公司耗青春了。


記得我當初在A實習演算法工程師這個職位的時候,一天到晚都在碼代碼。。。


推薦閱讀:

卷積神經網路保證「位移、尺度、形變不變性」該怎麼理解?
如何進行模型組合?
人工智慧入門,求書籍推薦?
機器學習,深度神經網路等方法是否是正確的方向?
邏輯斯蒂回歸能否解決非線性分類問題?

TAG:互聯網 | 數據挖掘 | 機器學習 | 計算機科學 | 演算法工程師 |