1. 主页 > 建筑设计 > 超高薪的机器学习工程师和现在的前后端们有什么不同?

超高薪的机器学习工程师和现在的前后端们有什么不同?

【CSDN 编者按】人工智能这几年如火如荼的发展,高薪的机器学习工程师招聘案例屡屡刷新大众的视野。本文为作者从吴恩达的一个播客中得到灵感,对机器学习工程师与软件工程师进行对比思考,希望各位观望机器学习的读者们,从中学习到作者的一些观点。

作者 | Nathan Lambert,已获作者翻译授权

译者 | 罗昭成,责编 | 唐小引

截至 2018 年,软件工程师数量大幅增长,现在美国已经有超过 100 万名开发工程师,并且开发者的数量在一直持续增长。近几年,机器学习飞速发展,越来越多的自动化以及决策的问题,都在使用机器学习进行处理,机器学习工程师数量也将迎来快速的增长。

机器学习,在无法用规则描述的情况下,通过学习,做出决策:通过给定的数据集进行训练,当遇到新的输入时,它就知道如何去决策。

实现这些机器学习模型与构建一个大型的分布式系统又有何差异?其实并没有太大的差异,面对他们的心态相同,只是专业不同而已。

闲逸棋牌网站软件工程师 —— 构建数据网络

数据流的处理是所有大规模软件项目的关键,软件工程师需要选择正确的算法,选择正确的开发语言,正确的层级的软件子系统或组件。

软件工程师都会在语言、数据结构和算法的基础上进行开发工作。

语言: 在开发中,语言是软件工程师的基础。当你对不同的语言进行研究学习,会了解到更多的语言特性。Python 的下游决策让程序具有更大的动态性,所以他非常受欢迎。 数据结构: 不同的数据结构,在计算机中,运行效率都是不一样的。—— 你需要更快的数据访问速度吗?使用学习工具进行快速后处理?或者是做一起其它事情?不同的语言有不同的特性可以用来处理特定的问题,一个好的软件工程师会像外语一样精通这些编程语言。 算法: 在技术面试中,排序、搜索等基础算法非常常见,它们在程序中会有大规模的应用。“时间复杂度 O” 是很古老的算法评估工具,它在算法部署到系统的过程中非常的重要。

软件工程师在面对自己复杂的系统,会显得沾沾自喜。

很多软件工程师对自己的系统都充满自豪,复杂的系统可以支持创建更多的功能,并且这也是他们炫耀的资本。但其实,这种做法是非常不明智的。简单为王,越是简单的系统,在大规模的项目中,越容易扩展。

Python 开发环境

好的软件工程师可以使用机器学习的任务变得更加容易。数据能够更加方便的拿到,最后的产物也能更有价值,也更统一。

机器学习工程师 —— 构建学习网络

机器学习工程师通过提取有用的数据来构建决策,这些决策通常都是非线性的结果,很难以解释。但是他们通过数据,可以学习出来决策边界。

本文由闲逸棋牌网站发布,不代表闲逸棋牌网站立场,转载联系作者并注明出处:http://www.newmusicbinge.comhttp://www.newmusicbinge.com/jianzhusheji/2020/1017/2673.html

联系我们

在线咨询:点击这里给我发消息

QQ:2975 1346

工作日:9:30-18:30,节假日休息