演算法工程師成長的3個重要認知轉變

移動網際網路浪潮，讓很多網際網路公司的工程師都享受了發展的紅利，特別是演算法工程師。我自己2012年5月畢業，今年工作整整10年，算是也享受了一波紅利，大廠核心業務演算法組，大廠類似研究的演算法組，大廠新業務演算法組，創業公司都呆過，成就不大，但是見識了很多。

工作10年，總結其實演算法工程師成長，基本上會經歷3個階段

第一階段：模型 > 資料 > 業務

第二階段：資料 > 模型 > 業務

第三階段：業務 > 資料 > 模型

其實是感覺演算法在變得越來越不重要的過程，其實這也是演算法工程師，走向成熟，思維變得多元，能以更大和多元的視角去看商業目標。

畢竟公司是要以股東的利益為最高目的， 演算法 < 研發 < 產品 < 業務 < 公司戰略 < 宏觀環境。最近大家對宏觀環境巨大影響力應該有感受。

下面就演算法工程師工作中主要打交道的模型，資料，業務，談談自己看法。

模型

a。對fancy模型（paper中模型）有執念，認為fancy模型是高科技。透過以剛畢業沒多久的工程師為主，學術範還比較重。其實，如果不是進入大廠莫些大流量入口的團隊，大機率都見不到這些fancy模型。即使見到了這些fancy模型，會發現和paper講的或多或少有PR成分，這個可以理解。我鼓勵多看paper，重點看邏輯，看問題，看問題本質，解決辦法，這個的對訓練自己問題意識，開拓問題解法的思路，非常有益。

b。對好模型有自己的理解，以下是我自己的理解

1）。 好的模型，是一個ROI相對最優的模型。

價值

，運維，人員各個維度綜合考慮

2）。 好的模型，有時也需要更好的可解釋性。

模型不只是要精度，召回，也要在出現badcase時候給老闆解釋why

3）。 好的模型，其實很簡單

大道至簡，大廠大場景的模型其實也能用幾個簡單原理去刻畫，就看你對場景和原理理解的深刻程度

c。 對經典模型背後的思想本質理解有深度

機器學習其實從大科學原理（數學理論）上，基本沒有什麼重大突破。但是隨著硬體的改變，還是有一些經典模型的出現，比如ltr，bert等等，反覆讀經典的survey，可以從更長的時間尺度，更深刻的原理理解模型。其實牛逼的模型迴歸本質都很簡單。

最近看的一篇，文章

“Paradigm Shift in Natural Language Processing”（

https：//arxiv。org/pdf/2109。12575。pdf

），其中談到了NLP領域的正規化轉變，沒有一個數學公式，就對我有不少啟發。

真的去創造經典模型，類似去創造svm，bert之類，我自己不是這類人，截止現在，在身邊也沒有看到類似的人。認知也沒有達到這樣的高度，所以沒法發表觀點。

2。資料

a。打比賽，資料不用自己操心，輸入和輸出都是基本穩定的。完全沒有鄙視打比賽的意思，我積極的鼓勵，校招生和剛畢業沒多久的工程師去打比賽，很多優秀的工程師都是打比賽出身，一方面，可以增加實戰的經驗，不少比賽是清洗過的真實資料 。另一方面，也可以擴充套件自己的眼界，看看大家如何做個機器學習任務。但是從體會拿到一份理想資料有多不容易，打比賽大機率體會不到痛感。

b。拿到一個場景的真實資料，發現搞模型還不如搞資料，對效果提升的快。其實，做演算法大機率的都經過，如果能夠去除資料噪音，增大資料量，關聯一些外部知識，或人工寫一些規則，通常效果都好於模型上多加幾層連結或pretrain多大的模型，而且ROI更低，更加立竿見影。

c。從埋點到效果評估，被整條鏈路毒打過，體會到有一份可用的資料，都不是理想的資料，有多難，各種溝通，各種排期，各種統一規範，各種異常探查。其實這才是真實大多數公司的情況，搞資料耗費了90%，甚至99%的工作時間，訓練模型只佔工作的10%都不到。

3。業務

a。有ROI意識，畢竟商業是要最求利潤，利潤 = 收益-成本。隨著移動網際網路的大潮退去，流量越來越貴，大流量入口被幾個大廠把持。某個複雜模型帶來該場景下1%的CXR提升的收益，減去上研發成本，線上機器成本，絕大多數的場景ROI是負的。當然一些大廠出於PR的需要，那就是另當別論了。

b。能跳出演算法工程師的視角，以工程師的視角去達成目標。工業界比學術界不一樣的地方就是資料是場景中來，模型輸出要到場景中去，場景不停在變。研發不止是演算法，還有工程，測試，資料。其實資料上保證資料質量高，工程上保證模型更新效率高，測試保證模型輸出的穩定性，遠比一個fancy的模型對業務的貢獻大。

c。能跳出工程師的視角，從多元視角理解業務目標，演算法只是達到目標的一種途徑，地推，運營，營銷，產品大機率是比演算法更好的一種途徑。某個電商平臺每年發N篇頂會，也沒有阻擋某個電商的崛起。搞了半天模型提升GTV漲1%，運營搞個活動，直接GTV漲50%。這些才是公司的真實情況，演算法只是商業的一個環境，可以這樣說甚至都不是一個重要環境。

我鼓勵演算法工程師多學產品，運營，商分思維，因為這些綜合才是商業，才是演算法工程師在公司落地演算法模型的真實場景。這裡我就不發散了，可以在另外一篇專門講這個話題。

最後一句話，要想在工業界不斷成長成為Top的演算法工程師，其實是逐步“

汝果欲學詩，功夫在詩外”

的過程。

演算法工程師的三個境界。note

1+3｜演算法工程師的一個思維和三種能力。note

什麼樣的模型是好的模型？。note

四化大業：論演算法工程師的自我修養。note