工程师也会遇到 35 岁这道坎么？

算法入行的必经之路，所谓的 SQL Boy、调参侠、数据搬运工、炼丹师，都发生在这个阶段。

这个阶段的算法工程师，很多时候都是在和数据打交道。数据漏报、数据重复上报、埋点有误、多方数据统计口径无法对齐、反作弊口径定义和对齐、异常数据检测和排查、数据缺失处理、样本清洗、特征统计加工、线上指标下降问题排查、bad case 归因分析、数据标注…听起来是不是一点都不 fancy？对于一个负责业务落地的一线算法工程师来说，这些数据工作可能占了日常工作的很大一部分时间。

可就是这些一开始被你看不起的各种所谓 dirty job，这些你在实验室和学校接触不到的工业数据实践，这些在 paper、书本和网络永远不会教你的工作，正是你所累积的技术经验和宝贵的财富，它是驱动你往下一层级改造的主动力。作为一个算法工程师，如果从没有在底层有过基础的开发和数据分析的从业经验，将来站在更高层的时候很难作出对团队方向有利的决策。数据决定了模型的上界，特征和算法只是在逼近这个上界。

不了解你的业务数据特点，很难成为一个好的算法工程师。在业务实践中培养锻炼数据 sense，是一个初级算法工程师的必修课之一。

这个阶段的算法工程师，一般面临的业务问题也比较明确，比如提升召回效果、提升线上 ctr / cvr / gmv / 时长、提升搜索相关性、降低 bad case 率等等。这些明确的业务问题背后，在业界包括团队内一般都有比较明确的技术方向，相对应的就是一些比较明确的算法问题，比如信息流的 ctr 预估、用户兴趣建模、广告出价预估、相关性模型、物品召回、图文标签生成等。

（编辑：济宁站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!