這個(gè)問題我猶豫了很久，三個(gè)月前就放草稿箱里了，一直沒答的原因是，感覺這些年好像沒有什么瞬間讓我感覺自己水平突飛猛進(jìn)，感覺這些年的進(jìn)步都是慢慢進(jìn)步的，好像沒有「突飛猛進(jìn)」的時(shí)候。昨天帶我入行的同事離職了，在部門的送別儀式上，我們回憶起我第一天入職時(shí)我那么的「小白」，后來怎么獨(dú)擋一面。于是我在想，如果要總結(jié)一個(gè)讓我的水平提升的關(guān)鍵「概念」或者「技術(shù)」，那會(huì)是什么。

作者：桔了個(gè)仔，南洋理工大學(xué)，Datawhale成員

于是我回顧這些年的技術(shù)歷程。說實(shí)話，在我開始搞算法后，我日均代碼量遠(yuǎn)遠(yuǎn)低于我之前做游戲時(shí)，甚至有的時(shí)候，幾天都不寫一行代碼。當(dāng)然，我并不能代表所有算法工程師，我雖然也是做數(shù)據(jù)科學(xué)工作，但我需要和客戶保持聯(lián)系，理解需求。但無可否認(rèn)，代碼量少的這些日子，我反而做的事情更靠譜，讓我更有成就感。

我于是總結(jié)出一句話： 解決問題不要于拘泥于技術(shù)。

當(dāng)然，僅僅一句話的話，大家可能看得一頭霧水，我展開說說吧。

不要拘泥于技術(shù)分為三層：

1. 不要執(zhí)著于使用最新的技術(shù)

有的人想走技術(shù)專家的路線，那非常好。每天看看arxiv，看看最新的SOTA，那是一個(gè)好習(xí)慣。但不要太頻繁的變更技術(shù)方案。你那種想把產(chǎn)品做到極致的思維，我能理解，我也有過，但你真正做產(chǎn)品落地了，會(huì)發(fā)現(xiàn)，產(chǎn)品是一個(gè)系統(tǒng)，你的技術(shù)方案變更可能會(huì)對其他模塊造成影響。

舉個(gè)例子，我們的模型是XGBoost，不算很復(fù)雜吧？由于我們給多個(gè)客戶部署過系統(tǒng)，我們知道在什么樣的硬件條件下運(yùn)行時(shí)間是多少。例如在每日1萬條數(shù)據(jù)的情況下，我們用AWS的t2.xlarge實(shí)例，運(yùn)行時(shí)間是1~2小時(shí)，符合客戶要求。但如果你看到最新的paper提出了一個(gè)新模型，決定要采用的話，除了你的技術(shù)方案可行性要得到驗(yàn)證，你的技術(shù)方案對系統(tǒng)運(yùn)行時(shí)間的影響也要重新評估。如果你的方案確實(shí)效果更好，但服務(wù)器成本高出幾倍，我們該如何說服客戶？這都是是一環(huán)扣一環(huán)的，實(shí)際可能遇到的情況可能比我說的要復(fù)雜得多。這，就是系統(tǒng)的世界。

統(tǒng)計(jì)建模并不是為了獲得完美的預(yù)測能力，而是用最小的必要的模型來實(shí)現(xiàn)最大的預(yù)測能力。

更何況，很多情況下，使用更復(fù)雜的方案未必是最合適的方案。我之前寫過一個(gè)回答，講了哪些深度學(xué)習(xí)效果不如傳統(tǒng)方法。

在這個(gè)回答里，我引用了那個(gè)著名的「電風(fēng)扇吹香皂盒」的段子：

某大企業(yè)引進(jìn)了一條香皂包裝生產(chǎn)線，結(jié)果發(fā)現(xiàn)這條生產(chǎn)線有個(gè)缺陷：常常會(huì)有盒子里沒裝入香皂?？偛荒馨芽蘸凶淤u給顧客啊，他們只得請了一個(gè)學(xué)自動(dòng)化的博士后設(shè)計(jì)一個(gè)方案來分揀空的香皂盒。博士后拉起了一個(gè)十幾人的科研攻關(guān)小組，綜合采用了機(jī)械、微電子、自動(dòng)化、X射線探測等技術(shù)，花了90萬，成功解決了問題。每當(dāng)生產(chǎn)線上有空香皂盒通過，兩旁的探測器會(huì)檢測到，并且驅(qū)動(dòng)一只機(jī)械手把空皂盒推走。中國南方有個(gè)鄉(xiāng)鎮(zhèn)企業(yè)也買了同樣的生產(chǎn)線，老板發(fā)現(xiàn)這個(gè)問題后大為發(fā)火，找了個(gè)小工來說“你他媽給老子把這個(gè)搞定，不然你給老子爬走?！毙」ず芸煜氤隽宿k法他花了190塊錢在生產(chǎn)線旁邊放了一臺(tái)大功率電風(fēng)扇猛吹，于是空皂盒都被吹走了。

但這里需要說明的是，不執(zhí)著于使用最新技術(shù)，不代表不關(guān)注最新技術(shù)。有的時(shí)候，公司的需求是一回事，但我們的技術(shù)進(jìn)步又是一回事，如果我們不care最新技術(shù)，那么當(dāng)我們跳槽時(shí)，就會(huì)很吃虧。

2. 不要只用技術(shù)

技術(shù)不是職業(yè)生涯的全部，尤其是對于做商業(yè)產(chǎn)品的算法工程師。作為算法工程師，尤其是做商業(yè)產(chǎn)品的，其實(shí)有很多時(shí)候，技術(shù)并不能解決所有問題；有的時(shí)候，技術(shù)雖然能解決，但是中策，甚至下策，而上策不一定需要使用技術(shù)。代替技術(shù)的方法有下面四種，一種比一種境界高。

用金錢代替技術(shù)。例如你的產(chǎn)品上線了，發(fā)現(xiàn)在線上模型訓(xùn)練總是不成功，發(fā)現(xiàn)是服務(wù)器性能不夠，那么你第一件事是優(yōu)化你的算法還是花錢擴(kuò)充服務(wù)器？如果對于商業(yè)價(jià)值很高的項(xiàng)目，宕機(jī)一天損失可能遠(yuǎn)遠(yuǎn)超過服務(wù)器開支，這時(shí)候，你第一件事買服務(wù)器，優(yōu)化的工作放到日后。

用溝通代替技術(shù)。很多人經(jīng)常方案進(jìn)展到一半推到重來的情況（設(shè)計(jì)師尤甚）。對于算法工程師，如果溝通不充分就直接開工，那么很容易做無用功。舉個(gè)大家都能理解的例子，例如有個(gè)銀行讓你開發(fā)個(gè)算法識(shí)別哪些客戶可能逾期，但由于銀行數(shù)據(jù)敏感，不能直接給你，只給了你data schema讓你自己模擬數(shù)據(jù)，你說沒問題，回去花了一周寫了個(gè)模型，準(zhǔn)確率（accuracy）是90%，很不錯(cuò)，結(jié)果在客戶那一上線，準(zhǔn)確率99%，你更高興了，但很快你發(fā)現(xiàn)，客戶的數(shù)據(jù)label 0:1的比例是1：99，你準(zhǔn)確率99%和瞎猜沒區(qū)別。事實(shí)上，如果你和客戶溝通得當(dāng)，早點(diǎn)理解清楚數(shù)據(jù)情況，你就不會(huì)采用accuracy這個(gè)評價(jià)指標(biāo)。

用管理代替技術(shù)。這是區(qū)別高階工程師和普通工程師的重要能力。一個(gè)項(xiàng)目，如果管理得當(dāng)，那么可以讓一線開發(fā)人員輕松點(diǎn)的同時(shí)完成更多工作。

有的工作是另一個(gè)工作的基礎(chǔ)，完成A再完成B的總時(shí)間可能小于先完成B再完成A。

工作是永遠(yuǎn)做不完的，即使都是技術(shù)工作，也有價(jià)值不同。好的技術(shù)管理人員應(yīng)該讓大家先做價(jià)值高的。

用眼光代替技術(shù)。做到這個(gè)級(jí)別，基本就是CTO級(jí)別了，充分了解現(xiàn)有技術(shù)優(yōu)缺點(diǎn)，知道什么地方應(yīng)該投入新技術(shù)，什么地方應(yīng)該采用舊技術(shù)，什么地方甚至不需要技術(shù)。但畢竟我還沒做到這層，這里就沒什么經(jīng)驗(yàn)可以分享了。

更何況，對于算法工程師，除了技術(shù)能力，還有很多能力是必須的，如下圖，這些能力，組成了算法工程師的「落地能力」。

圖來自我之前寫的一個(gè)被知乎日報(bào)收錄了的回答。這里就不再重復(fù)其內(nèi)容了。

3. 不要只關(guān)注自己領(lǐng)域的技術(shù)

拋開非技術(shù)的能力，來集中講講技術(shù)。對于技術(shù)能力，你是否以為你關(guān)注最新論文，會(huì)調(diào)參，就完事了。沒這么簡單。我每次講算法工程師工作內(nèi)容時(shí)，都會(huì)貼這張圖：

中間那個(gè)小小的幾乎都快看不見的黑塊，你放大圖片，會(huì)發(fā)現(xiàn)里面寫著ML Code，這就是「算法」的部分。當(dāng)然，別被這個(gè)圖嚇到，這不一定全是你的工作，這里是一個(gè)團(tuán)隊(duì)的任務(wù)，這個(gè)團(tuán)隊(duì)可能是兩人的團(tuán)隊(duì)，也可能是幾十人的團(tuán)隊(duì)，但可以肯定的是，無論你在哪個(gè)公司，一個(gè)算法工程師都不太可能只做純「算法」，不要忘了「工程師」三個(gè)字。

我作為一個(gè)算法工程師，你以為我只寫Python，偶爾加點(diǎn)scala？不，你可能想不到，我還寫vba。我們客戶是銀行，他們有內(nèi)部的模型驗(yàn)證團(tuán)隊(duì)，我們需要根據(jù)他們提供的模板來生成模型性能報(bào)表，而且這個(gè)報(bào)表模板還不能往外網(wǎng)傳，那怎么辦？只能用VBA寫個(gè)Excel宏腳本自動(dòng)生成報(bào)表唄唄。畢竟他們提供的可編程環(huán)境就只剩excel了，至于python什么的，由于沒聯(lián)網(wǎng)，pip install啥都不行。

所以我建議，作為算法工程師，多學(xué)習(xí)下周邊技術(shù)，不要僅僅只會(huì)調(diào)參，看論文。周邊技術(shù)是指能為你快速實(shí)現(xiàn)驗(yàn)證與部署的技術(shù)，并非所有技術(shù)都要學(xué)習(xí)。你作為一個(gè)算法工程師，學(xué)習(xí)linux，可以方便你部署模型；學(xué)習(xí)spark，能方便你快速處理大數(shù)據(jù)；這樣你有什么新的idea都可以快速驗(yàn)證而不用再求數(shù)據(jù)工程師幫你反復(fù)做ETL。

但，吾生也有涯，而知也無涯。以有涯隨無涯，殆已！但你作為算法工程師，去學(xué)習(xí)安卓app開發(fā)，似乎就有點(diǎn)不必要了，除非你確定用得上，或者你是你們公司唯一的程序員（這種情況建議跳槽）。

這是我在自我提升路上的一點(diǎn)總結(jié)，希望對大家有所幫助。

最后還有句話是這么說的：栽一棵樹最好的時(shí)間是十年前，其次是現(xiàn)在。對于學(xué)習(xí)編程或者正在工作的朋友，如果你想更好的提升你的編程能力幫助你提升水平！筆者這里或許可以幫到你~

微信公眾號(hào)：C語言編程學(xué)習(xí)基地

分享（源碼、項(xiàng)目實(shí)戰(zhàn)視頻、項(xiàng)目筆記，基礎(chǔ)入門教程）

歡迎轉(zhuǎn)行和學(xué)習(xí)編程的伙伴，利用更多的資料學(xué)習(xí)成長比自己琢磨更快哦！