在百度实习大概有半年了，相比于在校的时候，半年的时间让我对算法工程师这个岗位有了很多不一样的理解。
离职前夕，特此记录。
关于模型设计
在学校的时候，大家做模型一般都是通过参加算法比赛、课程大作业或者实验室的项目，一般是一个从零到一纯粹做模型的过程。
而在工业界很少能接触到一个从零到一搭建模型的过程，大概率的情况是基于现有的模型去提升效果。
我们几乎不需要修改现有的经典算法，我们只需要把它们用在适合他们的地方就好了。
在这种时候，我们不能去推翻原有模型的基本框架，只能在框架的基础上去延伸、拓展，从而提高模型的效果。
所以，我个人的理解，在第一版模型设计的过程中，需要作者对模型效果和可扩展性的考量非常的多，如果设计一个牛逼的模型架构是一门学问。（毕竟在公司里是不能推倒重来的）
关于工程能力
在学校的时候，同学们比较关注的事情主要集中在刷题、推导算法原理、参加算法比赛，因为这些事情做好总是会有几个好公司的Offer，同时大部分同学也会觉得，工程化这种能力应该是研发同学的事情。
在工业界，其实对算法工程师的工程能力要求还是蛮高的。我的理解是AI目前处于一个落地的过程，对于高置信度的事情，大家的工作很大一部分集中在了工程化这类事情上。
关于策略
在学校的时候是很少听说做策略解决问题，大家会直接把数据扔到模型里，然后特征工程、挑参、看效果的循环。
在工业界大家做策略还是蛮多的，做策略就相当于画格子，非常适合快速去解决case驱动的业务中的问题。
至于为什么大家还是很喜欢做规则，我的理解是，一方面，业务方会经常遇到突然冒出来的一类case，调整原有模型的参数可能会影响原有的效果，风险很大，这时候就很适合做一条策略，把它们搞定。另一个方面，规则的可解释性比较强，出现问题的时候可以快速定位，这也是工业界喜欢用LR的一个原因。
据说凤巢在很久以前在解决CTR预估问题的时候，就是人工迭代了几千条策略，不过现在早已成了历史。
关于数据
在学校的时候总听网上说，现在是大数据时代，数据里有黄金，然而自己处理问题的时候，能拿到的数据最多也只有几万条，少的时候只有一千多条，这就导致了大家在做比赛的时候，经常需要对线上验证集的数据分布进行拟合，同时也很难培养出同学对数据的感觉。
在工业界，数据是解决所有问题的源头。拥有越多的数据，说明我们可以挖掘出的与结果相关的信息就越多，我们的模型就会越精准。
比如说query分类这个简单的NLP任务，我们如果只知道query，我们可以把分类器准确率做到85%，但是如果我们知道用户搜索这个query后点击了哪些url，我们是一定可以更好的理解用户的意图，提高准确率的。
工业界遇到的另一个问题就是数据dirty，因为数据量太大了，而且大部分任务并不像CTR预估这样的任务，用户点了就是点了，没点就是没点。大部分任务的label本身就是模糊的，例如，这个用户的行为有没有恶意点击，此时此刻用户搜索某个query的意图是什么。
如果能拿到一份100%clean的数据，那么我们用一个非常简单的模型，就可以达到非常高的准确率。
所以，如何在有限的条件下，获得更多更高置信度的训练集是一个非常有价值的问题。
关于资源
在学校是很少会考虑资源问题的，比赛给的数据集一般单机都可以跑得动，顶多需要加一个内存，深度学习的同学需要加一个1080。如果没有的话，那就慢慢跑，反正时间上是没有那么迫切的需求。
在工业界资源非常的重要，但是大部分团队的资源都不是非常充足的，所以优化代码效率就成为了保证例行任务正常产出的keyPoint。
一般来讲，模型的复杂度只会提升，不会下降；任务需要产出的deadline只会提前，不会后移。
所以资源的紧迫，让我们在工程化的时候需要有多方考量。
最后
以上是一个水硕的一些感悟，受限于我的个人能力、人生阅历以及个人学历。
算法工程师跟我在学校里想的一点都不一样，我以为我会每天忙着想新的idea，加入新的特征，就像打比赛那样去迭代。然而我只是偶尔试试自己的idea，在偶尔效果好的时候，仔细的考虑资源问题，然后写一份工程化加到大模型里面。
公司也跟我在学校里想的不太一样，我以为我们会日常穿着大拖鞋、大裤衩子讨论技术，一直保持那份对技术的热情。然而大家总是更热衷于讨论装修、讨论一件事情做于不做的收益以及写ppt。