在阿里做機器學習是一種怎樣的體驗？

---

我原來是做QR的，現在主要做演算法架構了。

在阿里做機器學習，真的主要時間花在演算法模型優化的場景是很少的，很多時候演算法是奔著業務指標去的。大搞快搞一個模型上去，沒效果就下，有效果就上去，然後接著奔下一個業務指標。什麼LR，GBDT，不是沒人研究怎麼優化，只是少，只有全職只做排序的那幾號人天天討論來討論去。其他技術，比如主題模型、詞向量、協同過濾，別看技術很粗淺，只要找到合適的場景，效果一樣很出彩。

純粹從學術角度看，業務導向的大環境是一個不利因素，很難有能靜下來鑽研深入的人——你半年沒優質產出，直接3.25了，玩屁啊。但在阿里也有好處，就是有真實的大數據，你想怎麼玩都可以，只要保證有產出就可以。

---

The art of feature selection.

---

匿了，實話說你不要期望太高。阿里的技術比較落後原始。。。公司內部90%以上都是用logistic regression解決。當然也有其他一些演算法，但是實現的都比較差。真要做比較前沿有趣的，不建議來阿里。

題主更新了，我也補充一下，我說的就是廣告搜索部門，他們的ppt做的很好，技術宣傳的也不錯，實際上，呵呵。

杭州的話，這方面相關的確實不多，一定要做數據挖掘，建議去北京。

---

在支付寶某風控部門實習過一段時間。

說實話主管們學歷都是很厲害的，各種牛校博士。

雖說我們組的任務是搞模型搞機器學習，其實大部分任務還是面向業務的。

做過最有成就感也是最學術的一個任務是：和一個同事調研了 Online Random Forests 演算法，用C++改了一下然後做評估。最後用到了AliExpress的風控上。

大部分時間就是每天寫寫SQL，放到集群上跑跑LR，決策樹，GBDT。

模型組到頭來還不是看著策略組的臉色。面向業務才是白花花錢啊！

---

現身說法一下吧

1.我是去年本科畢業，在阿里旗下的UC旗下的神馬工作。

2.剛去的時候機器學習0基礎。

3.從一些基礎知識學起，tf idf之類的。

4.大部分時間在跑數據。

5.大部分時間在跑數據

6.大部分時間在跑數據。

7.另外一大部分時間在改bug。

8.另外一大部分時間在改bug。

9.另外一大部分時間在改bug。

10.有多大的人工，就有多大的智能。

11.從數據出發解決問題。多看數據，演算法是死的，數據是活的。

---

1）商業公司追求利潤天經地義，技術為業務服務天經地義，要想做純學術研究請進象牙塔；

2）阿里內部機器學習團隊很多，阿里雲這塊由來自微軟的周靖人領銜做機器學習相關研發工作，微軟最年輕的partner之一，VLDB、CIKM等國際頂級會議的決策委員會員，OSDI、NIPS、VLDB等雜誌的撰稿人或審稿人。

---

占坑，，等入職了來答

---

有沒有對阿里媽媽了解的？想請問下阿里媽媽那邊的情況，也是機器學習崗位，目前只是聽他們說做了很多的廣告演算法，但是不清楚是不是和機器學習關係密切，還是更加偏向於廣告的業務呢

---

以前面過阿里，有神人說hadoop是渣，spark是渣，storm是渣，他們花了五個月自己寫了一套基於c的高性能並行機器學習平台，實現了所有主流機器學習演算法，我問他們你們都這麼牛了還招我幹嘛呢？然後就呵呵了

還以為是我自己太傲氣讓人家不開心，後來有一個朋友面試阿里類似的職位又聽到一樣的說法。就讓他們重新發明輪子去吧

---

推薦閱讀：