关注我 带你康好康的
前言：好久没更新公众号了，kaggle的比赛也没什么心情继续...主要原因就是最近转岗搞机器学习去了。面对陌生的场景，严格的数学推导,习惯了深度学习的我，一下子人懵了...呜呜呜
Part.1
不知道还有多少人会打开这个公众号，毕竟俺只是小菜鸡，况且这么久不更新了...
正如前面所说，我转岗去别的岗位了，这段时间压力一下子上来了，以至于我没心情，没精力去搞别的。还是自己太菜了，一时半会还适应不了
细心看过小律之前文章的读者，可能会知道我主要是搞深度学习的，cv起家，后面又开始搞多模态的东西，运气好，也在一些顶会竞赛上获过奖，拿到过奖金。
也正是这些加分项，帮助我在秋招时斩获了某个还算ok的offer。一切，似乎都在正常的进行着...
但是，不出意外的话，就是出意外了。
打工人的悲哀就在于面对公司的架构调整，咱只能当砧板上的鱼...我在的小组直接被打散了，刚毕业不久的我没底气离职另找他家，选择了主动跑其他部门去混混...
刚好，隔壁组还真在招人，缺一个数学底子不错，又会机器学习的人。因为我本硕都是数学相关专业，刚好深度学习这块经历还过得去，就顺利进去了，还是公司的核心部门。似乎，还算不错？至少一开始我是这么认为的...
一开始以为搞机器学习嘛，无非就是SVM,集成学习这些，都试一通就完事了，这对于常打比赛的我来说，简单的呀，调参侠了属于是。
但入职之后才发现事情并没有这么简单。
我们这边叫基础算法组，原因是我们需要向各个产品线提供非常底层的算法，且严格限制模型大小。所以大一点的神经网络模型这在都不太受欢迎，直接把我技能废了大半。
这段时间工作下来，给我的感觉就是，能把场景建模为数学问题，用凸优化等数学方法进行求解的问题，就不上什么决策树，集成学习，能机器学习解决的问题，也绝不上神经网络，在保证性能的前提下，优先可解释性强和轻量化的模型。以前无脑深度学习的日子似乎离我越来越远。。。
捡起我荒废已久的数学基础，捧起了凸优化的相关资料，开始啃了起来，一个词，痛苦！
光是如何把一个业务场景抽象成一个数学问题这一步，我现在就很吃力，很多时候都是在mentor的引导下，才想明白，至于用什么算法去拟合求解，进一步考虑优化目标是不是凸函数等等？抱歉，不知道，似乎一切对我来说都是既陌生又熟悉。
不知道大家在本硕期间有没有参加过数学建模竞赛。这边的工作内容感觉就很像数学建模竞赛的过程，只不过很多人在参加这个比赛的时候，靠的是吹牛+瞎编...现在得真做出效果来，又头秃又烦躁。
说了这么多坏处，也谈谈好处吧...如果都是坏处我可能还真的受不了跑路了...
好处在于，我们这边非常像是研究院的工作环境，学术氛围很浓郁，肉眼可见的身边人，数学底子都很好。只有我一个菜鸡混入其中，哈哈。我学习起来，可以问身边人，且mentor也很热心，会解答我的一切问题，虽然也会push我...
所以，我对这里的印象还是很好的，愿意呆在这里进一步学习，相信自己肯学，应该还是能接受的吧...
其次，我们这边组是真的不加班，每晚六点，主管总是带头第一个走，风雨无阻，于是，我每晚6：30左右也会溜，同样风雨无阻。。。哈哈，晚上就有充足的自由时间，我拿来自学也好，刷视频也罢，幸福感比以前的九点下班，十点到家，舒服了很多，也不会报复性的选择熬夜了！
最后一点，目前所在的组，似乎很少裁员，基本只有跳槽主动离职，没有被裁掉的。这似乎主要是因为我们组也算是核心组了，而且人员也不多的关系。
理论上，如果我能适应这边的工作状态， 我完全可以晚上回家继续搞我的比赛也好，公众号也好。兴趣，工作两不误，钱给的也到位，哈哈
以上，就是我虽然转岗，但仍选择继续做下去的原因，前期要学的很多，确定很难顶。但打工人多少要有这方面觉悟吧，即使跳到其他公司了，还是做深度学习相关业务，也不见得就是自己擅长的，同样需要不断学习。
对于凸优化，机器学习的理论部分确实比深度学习难啃的多，但也是学习的过程吧！无非就是最近自己多花点时间努力适应，跟上大伙的步骤！
以前看过一句话：做工程师这一行的，就要努力成为“T”字型人才，一横代表你的知识储备够大，各个分支领域都会一些，一竖表示在某一个或几个领域有深入研究，超过大多数人。以此，共勉！
End
最后，如果面对组织架构调整，面对转岗，你们是怎么看的呢？
你好，我是小律，一位数学专业转AI，热爱技术，思考新事物的算法工程师。在多家大厂呆过，目前就职于一家行业独角兽公司。
这里，不止有算法干货，AI竞赛方案，还有劲燃鼓励，点滴分享！
我每周至少更新一篇原创文章，也正在努力实现自己的人生目标，期待与你一起进步！
点个
