文章出處：https://mp.weixin.qq.com/s?__biz=MjM5MDAxNjkyMA==&mid=2650739649&idx=1&sn=8ffd715ed841d03679b35e666e9abb89&source=41#wechat_redirect

只有人能夠理解資料，演算法對錯需要依據人的經驗或者業務指標判斷。

重要的是對業務的理解。

業務中技術性困難由於歷史出現過的眾多工具，剩下的已經很少了。

核心觀點：大部分程式設計師，大部分所謂的“科技”公司，所面臨的技術問題比想象的要少的多。

做一些“高層的、能看到專案整體的”、以及“和人打交道，能夠把自己的想法向外推動，併產生價值”的工作。

轉型為業務和產品導向。

把注意力集中到資料的理解、清洗、預處理、人肉特徵、業務應用上來。

機器唯一不能替代的就是對資料的理解，這是演算法工程師存在的價值。深入理解資料、業務和產品，尋找模型和它們的結合點，將成為演算法工程師的核心競爭力。

目前做機器學習模型相關的專案，在改進的時候，基本上都採用試錯的方式。

關注“人”的問題——比如前面提到的“如何推動自己的想法”，“軟實力”之類，大的包括機遇，小到“發郵件應該抄送給誰”這種細節。

如果真的想做技術，那麼去做一些真正的技術。否則，就需要多多關注技術以外的東西。