20萬到100萬年薪的演算法工程師有什麼區別？

20萬到100萬年薪的演算法工程師有什麼區別？

版權宣告：本文為GitChat作者的原創文章，未經 GitChat 允許不得轉載。
https://blog.csdn.net/GitChat/article/details/82971479

公元七世紀，在車遲國國家氣象局組織的一次求雨活動中，虎力、鹿力、羊力三位大仙成功地祈下甘霖，救黎民於水火中。老國王雖然不明就裡，卻從此尊他們為國師，奉道教為圭臬。

本世紀，演算法工程師們的境遇也差不多：早些年，信奉糙快猛主義的大佬們覺得他們飽食終日、無所用心，沒工作只好在學校混博士，靠資料上的障眼法裝神弄鬼。可是，隨著去年 AlphaGo 大破李世石，大佬們在心底喊出“我操”的同時，慌不擇路地把各種搞劫持、送外賣的生意包裝成人工智慧，並紛紛請來幾位懂演算法的國師加持。雖然他們對國師們所做的事智商上並不理解，卻虔誠地希望他們快點兒求下雨來。

於是，演算法工程師的身價也水漲船高了。各門派工程師不論過去練的是 Java、PHP 還是 Excel，都放棄了最好語言的爭論，抄起了深度學習，發誓重新修煉成演算法工程師。前些天，還有人在知乎上問我：20 萬、50 萬、100 萬年薪的演算法工程師，到底有什麼區別？

這樣充滿銅臭味兒的問題，讓我十分欣慰。雖說在北京，20 萬已經基本不可能招到靠譜兒的演算法工程師了，還是姑且用上面的數字做個參照，談談演算法工程師的三個層次吧。（這裡說的演算法，並不是計算機系本科課程《演算法與資料結構》裡那個演算法。那門課裡講的，是排序、查詢這類“確定性演算法”；而這裡我們說的，是用統計方法對資料進行建模的“概率性演算法”。）下文中會提到一些演算法和模型，但不過是為了舉例說明概念，無需深究，有興趣鑽研的朋友可以自己查閱資料。

第一層次“Operating”：會使用工具

這個層次的工程師，對常用的模型比較熟悉，來了資料以後，好歹能挑個合適的跑一下。

達到這個層次，其實門檻不高。早些年，您只要掌握了什麼叫 LDA、哪叫 SVM，再玩過幾次 libnear、mahout 等開源工具，就可以拿到資料後跑個結果出來。到了深度學習時代，這件事兒似乎就更簡單了：管它什麼問題，不都是拿神經網路往上堆嘛！最近，經常會遇到一些工程師，成功地跑通了 Tensorflow 的 demo 後，興高采烈地歡呼：我學會深度學習了，我明天就統治人類了！

這事要真這麼簡單，我是茄子。任憑你十八般開源工具用的再熟，也不可能搞出個戰勝柯潔的機器人來。這裡要給大家狠狠澆上一盆冷水：進入這個領域的人，都要先了解一個“沒有免費的午餐定理”，這個定理的數學表達過於晦澀，我們把它翻譯成並不太準確的文藝語言：

如果有兩個模型搞一次多回合的比武，每個回合用的資料集不同，而且資料集沒什麼偏向性，那麼最後的結果，十有八九是雙方打平。

管你是普通模型、文藝模型還是 2B 模型，誰也別瞧不起誰。考慮一種極端情況：有一個參賽模型是“隨機猜測”，也就是無根據地胡亂給個答案，結果如何呢？對，還是打平！所以，請再也不要問“聚類用什麼演算法效果好”這樣的傻問題了。

這就很尷尬了！因為掌握了一堆模型並且會跑，其實並沒有什麼卵用。當然，實際問題的資料分佈，總是有一定特點的，比方說人臉識別，圖中間怎麼說都得有個大圓餅。因此，問“人臉識別用什麼模型好”這樣的問題，就有意義了。而演算法工程師的真正價值，就是洞察問題的資料先驗特點，把他們表達在模型中，而這個，就需要下一個層次的能力了。

會使用工具，在演算法工程師中僅僅是入門水平，靠這兩把刷子解決問題，就好比殺過兩隻雞就想做腹腔手術一樣，不靠譜兒程度相當高。如果不是在薪酬膨脹嚴重的網際網路界，我覺得 20 萬是個比較合理的價格。

第二層次“Optimization”：能改造模型

這個層次的工程師，能夠根據具體問題的資料特點對模型進行改造，並採用相應合適的最優化演算法，以追求最好的效果。

不論前人的模型怎麼美妙，都是基於當時觀察到的資料先驗特點設計的。比如說 LDA，就是在語料質量不高的情況下，在 PLSA 基礎上引入貝葉斯估計，以獲得更加穩健的主題。雖說用 LDA 不會大錯，但是要在你的具體問題上跑出最好的效果，根據資料特點做模型上的精準改造，是不可避免的。

網際網路資料這一現象更加明顯，因為沒有哪兩家公司擁有的資料是相似的。百度的點選率模型，有數十億的特徵，大規模的定製計算叢集，獨特的深度神經網路結構，你能抄麼？抄過來也沒用。用教科書上的模型不變應萬變，結果只能是刻舟求劍。

改造模型的能力，就不是用幾個開源工具那麼簡單了，這需要有兩方面的素養：

一、深入瞭解機器學習的原理和元件。 機器學習領域，有很多看似不那麼直接有用的基礎原理和元件。比方說，正則化怎麼做？什麼時候應該選擇什麼樣的基本分佈？(如下表) 貝葉斯先驗該怎麼設？兩個概率分佈的距離怎麼算？當你看到前輩高人把這些材料烹調在一起，變成 LDA、CNN 這些成品菜餚端上來的時候，也要想想如果自己下廚，是否瞭解食材，會不會選擇和搭配。僅僅會吃幾個菜，說出什麼味道，離好廚師差的還遠著呢。

 

二、熟練掌握最優化方法。 機器學習從業者不懂最優化，相當於武術家只會耍套路。這就跟雷公太極和閆芳大師一樣，實戰起來一定是鼻青臉腫。管你設計了一個多牛逼的模型，如果無法在有限的計算資源下找出最優解，那麼不過是個花瓶罷了。

最優化，是機器學習最、最、最重要的基礎。你要知道，在目標函式及其導數的各種情形下，應該如何選擇優化方法；各種方法的時間空間複雜度、收斂性如何；還要知道怎樣構造目標函式，才便於用凸優化或其他框架來求解。而這些方面的訓練，要比機器學習的模型還要紮實才行。

 

拿大家以為“以不變應萬變”的深度學習舉個例子。用神經網路處理語音識別、自然語言處理這種時間序列資料的建模，RNN（見上圖）是個自然的選擇。不過在實踐中，大家發現由於“梯度消失”現象的存在，RNN 很難對長程的上下文依賴建模。而在自然語言中，例如決定下面的 be 動詞是“is”還是“are”這樣的問題，有可能往前翻好多詞才能找到起決定作用的主語。怎麼辦呢？天才的 J. Schmidhuber 設計了帶有門結構的 LSTM 模型（見下圖），讓資料自行決定哪些資訊要保留，那些要忘掉。如此以來，自然語言的建模效果，就大大提高了。大家初看下面兩張 RNN 與 LSTM 的結構對比，面對憑空多出來的幾個門結構可能一頭霧水，唯有洞徹其中的方法論，並且有紮實的機器學習和最優化基礎，才能逐漸理解和學習這種思路。

 

當然，LSTM 這個模型是神來之筆，我等對此可望不可及。不過，在這個例子裡展現出來的關鍵能力：根據問題特點調整模型，並解決優化上的障礙，是一名合格的演算法工程師應該追求的能力。年薪 50 萬能找到這樣的人，是物有所值的。

第三層次“Objective”：擅定義問題

這個層次的工程師（哦，似乎叫工程師不太合適了），扔給他一個新的實際問題，可以給出量化的目標函式。

當年，福特公司請人檢修電機，斯泰因梅茨（編者注：Steinmetz，Charles Proteus 德國-美國電機工程師，對交流電系統的發展作出巨大貢獻。）在電機外殼畫了一條線，讓工作人員在此處開啟電機迅速排除了故障。結賬時，斯坦門茨要 1 萬美元，還開了個清單：畫一條線，1 美元；知道在哪兒畫線，9999 美元。

同樣的道理，在演算法領域，最難的也是知道在哪裡畫線，這就是對一個新問題構建目標函式的過程。而有明確的量化目標函式，正是科學方法區別於玄學方法、神學方法的重要標誌。

目標函式，有時能用一個解析形式（Analytical form）寫出來，有時則不能。比方說網頁搜尋這個問題，有兩種目標函式：一種是 nDCG，這是一個在標註好的資料集上可以明確計算出來的指標；另一種則是人工看 badcase 的比例，顯然這個沒法用公式計算，但是其結果也是定量的，也可以作為目標函式。

定義目標函式，初聽起來並沒有那麼困難，不就是制定個 KPI 麼？其實不然，要做好這件事，在意識和技術上都有很高的門檻。

一、要建立“萬般皆下品、唯有目標高”的意識。 一個團隊也好、一個專案也好，只要確立了正確的、可衡量的目標，那麼達到這個目標就只是時間和成本的問題。假設 nDCG 是搜尋的正確目標函式，那麼微軟也好、Yahoo! 也好，遲早也能追上 Google，遺憾的是，nDCG 這個目標是有點兒問題的，所以後來這兩家被越拉越遠。

所謂“本立而道生”：一個專案開始時，總是應該先做兩件事：一是討論定義清楚量化的目標函式；二是搭建一個能夠對目標函式做線上 A/B 測試的實驗框架。而收集什麼資料、採用什麼模型，倒都在其次了。

二、能夠構造準確（信）、可解（達）、優雅（雅）的目標函式。

目標函式要儘可能反應實際業務目標，同時又有可行的優化方法。一般來說，優化目標與評測目標是有所不同的。比如說在語音識別中，評測目標是“詞錯誤率”，但這個不可導所以沒法直接優化；因此，我們還要找一個“代理目標”，比如似然值或者後驗概率，用於求解模型引數。評測目標的定義往往比較直覺，但是要把它轉化成一個高度相關，又便於求解的優化目標，是需要相當的經驗與功力的。在語音建模裡，即便是計算似然值，也需要涉及 Baum-Welch 等比較複雜的演算法，要定義清楚不是簡單的事兒。

優雅，是個更高層次的要求；可是在遇到重大問題時，優雅卻往往是不二法門。因為，往往只有漂亮的框架才更接近問題的本質。 關於這點，必須要提一下近年來最讓人醍醐灌頂的大作——生成對抗網路（GAN）。

GAN 要解決的，是讓機器根據資料學會畫畫、寫文章等創作性問題。機器畫畫的目標函式怎麼定？聽起來是一頭霧水。我們早年做類似的語音合成問題時，也沒什麼好辦法，只能找人一句句聽來打分。令人拍案叫絕的是，Ian GoodFellow 在定義這個問題時，採取了下圖的巧妙框架：

 

既然靠人打分費時費力，又不客觀，那就乾脆讓機器打分把！好在讓機器認一幅特定語義的圖畫，比如說人臉，在深度學習中已經基本解決了。好，假設我們已經有一個能打分的機器 D，現在要訓練一個能畫畫的機器 G，那就讓 G 不斷地畫，D 不斷地打分，什麼時候 G 的作品在 D 那裡得分高了，就算是學成了。同時，D 在此過程中也因為大量接觸仿品而提升了鑑賞能力，可以把 G 訓練得更好。有了這樣定性的思考還不夠，這樣一個巧妙設計的二人零和博弈過程，還可以表示成下面的數學問題：

 

這樣一個目標，優雅得象個哲學問題，卻又實實在在可以追尋。當我看到這個式子時，頓時覺得教會機器畫畫是個不遠的時間問題了。如果你也能對這樣的問題描述感到心曠神怡，就能體會為什麼這才是最難的一步。

一個團隊的定海神針，就是能把問題轉化成目標函式的那個人——哪怕他連開源工具都不會用。100 萬找到這樣的人，可真是撿了個大便宜。

在機器學習領域，演算法工程師腳下的進階之路是清晰的：當你掌握了工具、會改造模型，進而可以駕馭新問題的建模，就能成長為最優秀的人才。沿著這條路踏踏實實走下去，100 萬並不是什麼問題。什麼？您說還有 300 萬的呢？這個不用眼熱，人家只不過把你寫程式碼的時間都用來跳槽了而已。

---------------------
作者：GitChat技術雜談
來源：CSDN
原文： https://blog.csdn.net/GitChat/article/details/82971479
版權宣告：本文為博主原創文章，轉載請附上博文連結！

 

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/29829936/viewspace-2219060/，如需轉載，請註明出處，否則將追究法律責任。