本文转载自知乎，仅做学术分享，著作权归属原作者，如有侵权请联系删除。
链接：https://www.zhihu.com/question/436874654
作者：坡哥说
其实并不存在所谓的突飞猛进，就是从业务出发，去连接业务和模型、特征本身。那些模型也好，技术也罢，不落在真实的业务场景和产品中，则产生不了太大的商业价值。我们绝大部分人都是普通人，大家都是为了挣钱、养家糊口才去工作的，而老板愿意给你发更多钱并不是因为你搞的这个技术很黑科技，很牛X，而是你做的东西带来了商业价值。苦口婆心地劝还在学校的学生不要迷恋模型，可能一点儿用也没有，因为人家接触不到真实业务场景和数据。其实，算法工程师，越做越久，就会发现本质还就是数据分析和归纳，模型那些东西不会占用很多时间，更何况，工业界用的实实在在的那些模型，其实都是些非常经典，架构简单的，绝不是堆砌那些花里胡哨，投入产出比低的模型。为什么这么说呢，我们使用的框架大部分是开源的，使用的算法也是大部分开源的，区别最大的就是如何使用数据，只有充分用好数据，才算是一个好的算法工程师。看了@微调的回答后吧，虽然算不上突飞猛进，但最近效率确实大有提升。
你以为是第1，2，3，4，5，6条吗，NONONO，不是的，是最后的“小问题”。
最近坚持一定要先把问题解决了再去吃饭/睡觉，有想法了一定要马上写下来，马上改了再去吃饭/睡觉。感觉实际节省了非常多的时间。（当然，也暴露了我其实不喜欢也不适合编程）3. 一切从数据出发，从数据中发现问题，制定指标体系很多人会利用碎片时间阅读相关的论文介绍或者博客，首先我承认这是一种学习的方式，至少比什么都不做强多了（实际上，大部分连这个基本的阅读习惯都不能保持很久）。然后我更想要说的是，实际工作中我们究竟需要什么的专业能力？是不是懂得一些算法的原理甚至做公式推导就能用好算法，解决好问题？据我的经验，这个答案很可能是“不是”。个人觉得对问题的理解进行合适的选型再加上基本的算法应用经验就能解决不少问题。注意，这里我说的是算法应用经验，而不是算法的数学原理或者公式推导。要增强这方面的经验，一是多参考些kaggle、kdd cup这样比赛的优秀解决方案，二是要更多的用具体问题去尝试验证。一个资深的工程师跟一个一般的工程师的差距不仅在于工具用的熟不熟练，代码写的快不快，而更多是在于技术的格局和知识体系化上的差距。有一句话我是非常推崇的——“不谋万世者，不足谋一时；不谋全局者，不足谋一域。”技术也是这样，它同样遵循事物发展的一般规律。要作出最合理的技术改进，必须要有一个全局的技术框架在心中，只有这样，才能够提出全局最优的技术决策，和充分考虑各方利弊的技术权衡。
还以推荐系统为例，我们应该建立的是类似上图 一样的整个深度学习推荐系统的业界主流的技术架构图，并熟悉自己公司当前采用的技术方案，在此基础上才能够作出更合理的、技术投资回报比最大的技术改进。看看自己身边的一些前辈目前在做什么，有的自己在创业，有的在和朋友创业，有的彻底转型，有的晋升为公司的高级技术人才，有的成为公司的管理人才。当然也有的还奋斗在第一线，有的财务自由后变身天使投资人，有的辞职去养猪，有的去环游世界等等，似乎你能想到情况都有发生。但大多数都是继续在公司从事技术研发亦或技术管理方面的工作。从成本来讲也是性价比较高的主要选择。如果要走这条路，除了本身的专业能力要保持与时俱进之外，综合能力也要引起足够的重视。工作做得好不好，专业能力是其中的一部分，还有很多因素的影响。当然，如果自己内心有其他的选择，我觉得也应该去积极尝试一下，做好风险的管理，多些为梦想而奋斗的经历也是很不错的。
概念可以通过看书、上网查阅资料获取，增加自己的技术视野。但是技术就很难一蹴而就了，需要长时间的积累和实践，并且还要拓展自己的理论深度，那么在算法方向上才会有创新和改进。我个人感觉，算法工程师优先考虑的是选择方向，然后再提升。至于突飞猛进呢，以我的经验是没有捷径的，不潜心付出2-3年的时间，很难做出感动自己的进步。算法工程师最大的价值是为公司业务带来价值，将数据转化为实实在在的利润，这就是高手和低手的重要区别。好的算法工程师，能够敏锐的捕捉到重要业务信息，从茫茫数据大海中找到关键的决策依据，然后利用他超凡的建模手段，拿起画笔 ️，集万千参数与一身，构建一个超一流模型。
这个模型，经过日月的淬炼，每日以数据滋养，无数参数相互配合，功力日益精进，逐渐成为公司摇钱树。它那璀璨的星光，日益生辉。
