作为算法工程师,在咨询公司工作的另类体验
【導語】網上已經有很多在互聯網公司工作的算法工程師的日常了,那么小編便來說說在咨詢公司,身為算法工程師,工作是一種什么樣子的體驗,同時也為對咨詢感興趣的小伙伴指明點方向。
具體內容:
工作內容詳解
對工作內容的感悟
對求職者的建議
相關的學習資料
01
工作內容
數據的統計分析。比方說根據產品品類的不同做一個銷量的匯總,或者根據地區的不同做一個銷售額的匯總等等。
數據的預處理。首先要從數據庫中取數,但是往往取出來的數據是“不干凈”的,普遍存在缺失值,數據類型不正確,日期格式錯誤和異常值等問題,所以在真正建模之前,你可能會花大量的時間來修正錯誤數據,處理異常值和缺失值等。
建模。主要是用深度學習算法和機器學習算法來進行時間序列的預測,比如在未來的某一個時間點,某某變量發生了多少的變化,變到多少等。
爬蟲。主要是去爬取社交媒體上面網友的ID和評論,以便做人群畫像和輿論分析。
02
對工作的感悟
01
語言表達和口頭交流能力更加重要
和互聯網公司的算法工程師不同的是,咨詢公司里面的算法工程師,最重要的技能倒并不是coding能力或建模能力有多強,而是溝通能力和語言表達能力需要非常的棒,到最后的最后,你需要用通俗易懂的語言將模型(包括其中的原理,過程以及產生的結果)解釋給客戶聽,并且需要讓客戶信服最后的結果,所以對在咨詢公司的算法工程師來說,將技術層面上的內容翻譯成通俗的例子,也是一項必備的技能。
02
清理數據和特征工程占了很大一部分時間
首先,數據的來源可能并不唯一,在日常工作當中,可能會需要用SQL查詢數據庫取數,數據也有可能從第三方系統得到,會需要從web端抓取,以及從API和合作伙伴處獲取。當涉及到不同數據的來源,數據校驗和統計口徑的統一就變得至關重要。同理,特征工程和特征篩選也是建模當中必不可少的一步,你需要在對業務知識的理解基礎之上去構造有效的特征并進行篩選,所以這兩部分通常是非常耗時的。
03
對找應屆生以及求職者的建議
1實習真的很重要
對應屆生來說,實習真的非常的重要,實習首選去大公司實習。小編之前在美國讀研,所做的實習都是當地名氣不高的初創公司,所以對回國找工作并沒有起到很大的幫助。很多的工作機會都是從實習開始的,在實習當中好好表現,然后拿到return offer,順利留下來工作。
2選擇好屬于自己的方向
現在國內的算法崗主要分為是NLP,計算機視覺,推薦和數據挖掘,建議應屆生或者求職者選擇其中的一個方向,然后深耕。現在的算法崗已經沒有16,17年那時的火爆,公司比較注重的是落地和應用,而且算法崗人多坑少,競爭相當的激烈,所以建議算法的從業者在開始之前應該要想清楚,是不是自己真的熱愛這份職業。
???
3對業務的掌握很關鍵
對業務的熟悉程度很重要,算法作為一種技術,最后還是會回歸到業務,通過算法去驅動業務,創造好的業績,也才是公司最看重候選人的地方,所以coding能力要加強,不能只是調調參,調用一下API。
04
相關的學習資料
1
python
小編當年主要是看DataCamp和DataQuest的,里面有豐富的教學材料和練習題目可以來幫助初學者鞏固知識點和鍛煉編程技能,當然現在市面上python的學習資料有很多,像是慕課網呀,廖雪峰的網課等。
2
練兵場所
Kaggle對于機器學習入門的新手是一個很好的練兵場,可以先從泰坦尼克號和房價預測兩個項目入手,非常適合機器學習新手開啟競賽之旅。
3
網絡公開課
Coursera
上面有很多關于機器學習和深度學習的公開課,比方說吳恩達的機器學習和deeplearning.ai。
fast.ai
fast.ai也是學習深度學習很好的一個平臺,成立初衷就是為了讓deep learning學習起來更加的輕松和有趣,要是在學習過程當中遇到了各種困難,也可以上fast.ai的博客和社區上面去尋找答案。
4
博客和文章
除了網上的公開課,還有很多公開的博客和技術性的文章可以供大家閱讀。
csdn是國內最接地氣的博客聚集地,里面匯集了眾多AI相關的文章,常常用來搜索細節知識或者代碼報錯時,尋求解決的途徑。
Medium,創辦人是Twitter的創始人,推崇優質內容,里面的每個作者都有自己獨特的見解,值得學習和開拓眼界,不過需要科學上網哦。
備注:公眾號菜單包含了整理了一本AI小抄,非常適合在通勤路上用學習。
往期精彩回顧那些年做的學術公益-你不是一個人在戰斗適合初學者入門人工智能的路線及資料下載機器學習在線手冊深度學習在線手冊備注:加入本站微信群或者qq群,請回復“加群”加入知識星球(4500+用戶,ID:92416895),請回復“知識星球”喜歡文章,點個在看
總結
以上是生活随笔為你收集整理的作为算法工程师,在咨询公司工作的另类体验的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 程序员or产品经理┃同是职场脱发人,光头
- 下一篇: AI基础:走进深度学习