一位4年算法工程师的工作感悟和经验总结

链接：

https://zhuanlan.zhihu.com/p/580960906

算上实习期，作为一名算法工程师，已经正式工作四年多了，这边分享一下自己的一些感悟和踩过的坑，也算是给自己的一个总结。这边主要讲的是“术”，即技能的部分。

Q1:技术的深度和广度抉择：

很多同学包括我自己，在工作初期都哦于一种疑问，就是在工作过程中，自己在一个方向深挖以方向深度为收腰目标，还是多接触多了解不同的方向，多一名多面手更好一些？

A1: 1.在项目外钻研技术深度，项目内了解技术广度。2.对于一个执行层的同学来说，先深度，再广度。

1.1 首先，期望通过项目来积累技术深度，是相对比较困难的：

因为作为应用算法工程师，大多数还是围绕项目或者指标服务，而数据和指标的优化源头则是原始数据。在业务发展期，最有效的方法还是围绕原始数据的清洗，预处理和高效利用上，模型的优先级是排在数据之后的。而在业务处于稳定期的时候，模型的优先级提高，但也会快速陷入迭代的瓶颈，此时需要一波大更新让项目重新获得潜力，更新后又变成发展期，周而复始。这也是很多同学抱怨：我又在做CURD/在查数据/在写逻辑的原因。

1.2 项目中注意技术广度的积累：

目前在大厂中，作为执行层的同学，个人的工作方向越来越精细化，会负责一个小而具体的领域。举个简单的例子，推荐系统被分为冷启动，召回，精排，甚至还有粗排的模块，各自独立研究。而图像处理的任务也可能被划为为检测，分类，分割，超分，甚至再细分为数据的前后处理等。所以我们尽量还是要了解到其他方向的同学的具体方向，从这边可以扩展自己的技术广度，比如周报，分享等。

1.3 项目外注重技术深度的积累：

个人理解所谓的技术壁垒有两块：1.高质量数据积累。2.信息差。数据积累作为公司资产与个人无关。而技术人员个人给公司带来的价值，就是个人信息增量对于项目的边际效应。在这里并不是说把自己的技术藏着掖着。。这套目前在大批量的开源项目中已经很难行得通了。反而我们需要关注的是，1.其他领域的知识能不能用到自己的细分领域。举个大的例子，比如CLIP就把NLP的大规模预训练用在图像任务中，最终产生了颠覆性的成果。2.自己领域最新的进展，这个更多的是知己知彼，对于自己所在方向有深度的了解之后，才会有足够的发言权。

1.4 对于一个执行层的同学来说，先深度，再广度：

1.打造个人的品牌。在别人提到你的时候，会第一时间想到：啊，这位同学是做xxx方向很厉害的，有印象。而不是模糊的项目成员。

2.在成为项目负责人的很长一段时间内，需要从子方向中脱颖而出。

Q2: 方向，项目，乃至公司的选择：

1.关注方向=小组>其他。很多同学包括我自己在内，都会纠结我到底选什么方向，什么公司发展很好。但实际上最后真正关系到职业发展的，一个是你选择的方向， 另一个往往是你的直接领导和带你的小组长。（这点和找研究生/博士生导师 道理是一样的，研究方向很重要，导师也同样重要）。最好的方法当然是询问了解熟悉的人，这个组的发展前如何，领导性格如何。当然如果没有对应的消息，可以直接问一个简单的问题：这个组今年招多少人？未来有没有扩招的打算。在目前的环境下，各个公司的HC都在缩减，因此我们尽量横向对比。

Q3: 其他技术能力：

1.写文档总结。

我们可以不做PPT工程师，但是基本的总结能力还是很重要的。如何很好的直观的把工作表达好，凝练成半年度总结/专利/内部分享/中英文文章等。让别人知道你的能力。

2.多交流，不要埋头嗯做，多提升交流能力。

与非技术同学交流：在一个项目中，我建议有时间的话可以多和项目的产品，运营等非技术同学聊聊，掌握项目的重点方向，进展和变化，能更明确自己在其中的定位。

与技术同事沟通：提升自己影响力的同时，提升技术广度。

与领导沟通：阶段性的进展和困难还是多和直接领导交流下，一个是能得到一些不同的思路，另外就是也能提供最新的进展。