[[275552]]

本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

28歲的物理工程師，想轉(zhuǎn)行做AI到底值不值？機器學習工程師在企業(yè)中的現(xiàn)狀又是什么樣子的？

一則求助帖，在今日的Reddit論壇上迅速發(fā)酵：

我是一名物理工程師，對目前的工作不那么感興趣，甚至有點想回學校稍微逃避下現(xiàn)實和責任。

在沒畢業(yè)前，有人建議我去搞機器學習，也激勵我去做計算機視覺方面的實習，去做更多的項目等。目前我已經(jīng)有一份工作了，我想“重新考慮”這條路。

目前的工作能看到數(shù)據(jù)處理的重要性和繁瑣性。但不確定如何將機器學習項目輕松整合到依賴DOS系統(tǒng)的公司中，但我認為統(tǒng)計分析對找到生產(chǎn)問題的根本原因很重要。

基于上述原因，我原來越傾向參加一個AI方面的一年制專業(yè)碩士課程。但是，我想知道數(shù)據(jù)/機器學習工程師在中大型企業(yè)中的工作到底是怎么樣的？

我不打算成為一名程序員了，因為我不那么年輕已經(jīng)28歲了，并且知識背景中大多數(shù)與物理相關(guān)。我想這樣的話，自己沒有搞計算機的那群人有競爭力。

所以，我應(yīng)該棄工作選擇讀書嗎？

我知道求助陌生人似乎不太明智，但我希望從別人的故事中找到對自己的幫助。

一時間，這則貼子下眾說紛紜，網(wǎng)友從不同的角度，拼湊起當下機器學習工程師的真實工作全貌。

ML工程師的崗位略顯尷尬

網(wǎng)友mimighost表示，首先應(yīng)該擺正對機器學習工程師的認識，可以說這個崗位本身有些矛盾。

他認為，將機器學習工程師首先應(yīng)該是一個合格的程序員，你的編程技能應(yīng)該超過你所掌握的所有科學知識。

所以，此前即使是非科班出身的物理工程師，也應(yīng)該先把提升點放到編程本身上。

mimighost認為，在程序員行列中留給機器學習工程師的崗位非常有限，崗位本身就是矛盾的。但可以考慮向機器學習研究員或者研究科學家方向發(fā)展。

要是想這樣發(fā)展，只讀個一年碩士怕是遠遠不夠，怎么著，也得是個博士了吧。

年齡不是門檻

一位網(wǎng)友和樓主有著相似的困惑，表示年齡28，在于年輕人競爭同一崗位時，會不會沒有優(yōu)勢反倒是劣勢啊。

這個問題倒是不難理解，“35歲的程序員該何去何從”也是國內(nèi)程序員們擔心的問題之一呀。

網(wǎng)友fakemoose認為，在這個年齡段無論如何也不應(yīng)該申請非常入門的崗位了，應(yīng)該利用已經(jīng)積累起來的經(jīng)工作技能。

也有網(wǎng)友不服，表示在數(shù)據(jù)科學領(lǐng)域，即使是入門級別，其收入也已超過美國90%人口了。

還有更多不同的聲音：

如果年齡超過了40歲，則可能是一個限制因素。

——analyst___apu

我是從30歲開始從物理過渡到機器學習的，所以這個年紀轉(zhuǎn)行是可能的，我是自學。

——amnezzia

大多數(shù)認為，28歲依然年輕。大部分人讀完博士也老大不小，大有資本去探索新領(lǐng)域。年齡不是門檻，行業(yè)經(jīng)驗才是。

學好數(shù)據(jù)科學

不少過來人的建議是，數(shù)據(jù)科學技能是轉(zhuǎn)行之后的最大挑戰(zhàn)。

而物理學轉(zhuǎn)到AI？其實很加分。

網(wǎng)友i_love_FFT表示，自己是一個樂觀主義者。如果能在現(xiàn)在地區(qū)找到一個高科技公司，則物理學的背景是個加分項，是個必須的技能。

如今，幾乎每家科技公司都在建立機器學習團隊。盡管對于那些做過大量在線編程課程和有某網(wǎng)站的AI證書的人來說很容易，但最大的挑戰(zhàn)始終是找到能夠理解數(shù)據(jù)本身的人！

如果具備物理工程背景，那么能夠很好地理解基于物理的數(shù)據(jù)，包括傳感器數(shù)據(jù)，物理系統(tǒng)模型等。這種技能與對機器學習的興趣相結(jié)合，就是求職過程中的閃光點。

除了數(shù)據(jù)科學，請一定學好Python啊。網(wǎng)友Heartomics表示，自己最大的阻礙就是接受一種Pythonic的做事方式。

推薦學習資源，成為Python專家需要什么：

https://www.youtube.com/watch?v=7lmCu8wz8ro

機器學習程序員的一天

那么，程序員的一天是怎么過來的？

一位機器學習工程師總結(jié)了自己在一家全球員工數(shù)過10萬的系統(tǒng)集成商工作的時刻表。

他表示，理論上來說，他們的工作是設(shè)計模型、調(diào)整模型、設(shè)置NLP pipeline，重構(gòu)數(shù)據(jù)科學家編寫的代碼，并做一些云端的任務(wù)，對吧？

但事實上，他需要做的是任何客戶想要的東西。自己的身份也是多變的：

可以是Python開發(fā)人員、數(shù)據(jù)工程師、數(shù)據(jù)科學家和數(shù)據(jù)分析師。雖然在自己看這些都差不多，但在客戶看來，區(qū)分這些崗位會顯得這個任務(wù)多樣化。

大概就是：我是一塊磚，哪里需要哪里搬。

目前正在同時處理三個項目：一個與銷售相關(guān)，一個是需要重構(gòu)代碼的成熟項目，還有從PoC遷移到NLP項目。

一天的時刻表大概是這樣的：

09:00 電話會議

09:30 開展NLP項目（Python）

11:00 電話（1小時）討論銷售項目

12:00 午餐

12:30 電話演示時間

13:00 項目工作（Python）

15:00 討論項目

16:00 查看同事模型的文檔設(shè)置和超參數(shù)。

17:00 回家。

誒？朝九晚五的程序員？

傳送門

Reddit原帖地址：

https://www.reddit.com/r/MachineLearning/comments/cxhvbd/d_what_is_the_reality_of_machine_learning_engineer/