-
小A来自业界最知名的大公司，则他一定是一个成功的工程师吗？ -
不一定，他的客观环境发生了变化。历史的工作经验是一个较好的参考标准，但它不是一个充分必要条件； -
小A在之前的公司能够成功，不代表着在新的公司环境下也能成功； -
他在大公司能成功，不代表着能在中型或者创业的公司能成功；
-
小C对技术痴迷，领导很多开源的项目，工程师是否技术强则一定成功？ -
不一定。工程师的首要目标是在明确业务目标指引下解决问题，技术强能为你增加更多解决问题的技术手段，但不代表着一定可以解决问题。
-
小D发了很多paper，写了很多浏览量很大的blog，他一定是成功的工程师？ -
不一定，工程师不等于研究员，更不等于知名博主，一定要看他是否解决了实际问题，是否带来了实际效果的提升。
-
小E模型创新强，思路灵活，模型试验效果很好，他是成功的算法工程师吗? -
要分情况看待。若要解决的问题是降本增效，利润上岸，但工程师将模型复杂化，从而大幅增加了机器成本，虽有业务收益，但也有限,这显然不是一个成功的工程师应该坚持的方向。
-
小的方面，敢于发问的能力（让自己的思考产生实际价值、影响更多人）； -
大的方面，遇到高风险项目，勇敢承接、拆解成低风险项目，进而完成该项目。
-
对于一个普通人来说，判断一个公司要不要加入的要素非常简单，就是看这个公司现在赚不赚钱，未来能不能赚钱。 -
其余的要素，比如技术先进性，名声，规模，企业文化都是次要因素，不是主要因素。（例外：有强烈技术理想，创业理想，改变行业理想的工程师们除外）
-
大模型对于搜广推的影响是不一样的。对于广告的影响应该是相对较少一些，它对广告的影响应该是限于素材生成；可能会优化CTR 或者 CVR模型，但不会完全替代掉两个模型。 -
se未来每个公司可能都会搭建一个私有的大模型。大量的用户历史行为数据，属于公司的私有财产，不可能完全给到通用的大模型； -
通用大模型作为一个赢家通吃的行业，未来可能会存留下少数1到3个公司，由于其对成本要求高，不是小的创业公司可以玩得起的，从而相关从业者会非常受限，核心人才圈子可能就几百人得规模。但可能会有一批进行分领域的大模型适配的从业者。
-
要关注你是否通过一个项目提升了自己的分析能力，技术实力，业务sense -
而不是把自己的注意力都放在下次能不能晋升，30岁前能不能升P7，35岁前能不能当经理这些表层目标上。这些是你的欲望，不是你的核心素质。
-
年龄仅仅是一个相关因素，不是因果因素。 -
只有提升不可替代的核心素质，才能渡过所谓的35岁危机 -
例子一：公司有一个国际化项目，需要你跨语言，跨时区协调国际化团队 -
例子二：公司有一个风险很大的新项目，需要一个综合素质很强，核心素质很好的工程师打头阵
-
工作仅仅是你生活的一部分，对你整个人生来说，重要性更低； -
钱的多少，房子的大小，城市是否繁华，都不是人生的必然要素，只有你的幸福感是你应该尽力争取的； -
要正确分辨幸福感是来自于外界还是内心，要学会去追求多样性的幸福感； -
只有关键时段的过度用力是必要且值得的。
-
在计算机的大方向上，如果以就业为导向，读研的细分方向没有那么重要； -
注重技术的全面性； -
除非未来希望做科研，否则要尽量找工作和实习。 -
不要沉迷于离线或虚拟数据集中； -
多接触真正的业界问题。
-
广告主体验的问题 -
推荐系统中冷启动的问题 -
转化延迟的问题 -
在数据缺失情况下的模型优化问题
-
这完全依赖于个人的选择，在互联网也不一定要卷，去国企也不一定就是万全之策，找到适合自己客观状态的那条路。 -
在互联网卷，如果自己有机会完成从工作时长加长到核心能力提升的转变，则可以留下，若厌烦了卷的过程，可以退出。
-
核心业务的核心组（主要选择） -
边缘业务的核心组（借助你自己的力量把这个边缘业务变成主流业务，这个过程你的收益更大） -
核心业务的边缘组（核心业务所有组都是核心组，能不能做好全看个人能力）
-
应届生不应该过多地判断一个业务是不是合适，而应该看自己前三年能学到什么； -
任何一个容量和高度足够大的行业，都可以让你取得足够的发展空间，包括搜广推。剩下完全看你自己的能力深度，这需要长时间在一个领域的耕耘。
-
不建议。考虑量化公司的对手，不论是国内还会国外，人员都是来自于最好的学校，机器资源也非常多（可能一个数据中心有几千张A100 显卡），个人根本无法战胜。 -
如果一定要做，可以做一些中长期的量化投资的策略（星期级别的交易策略）。
了解更多数据分析知识、与更多优秀的人一起进群交流请扫码
