百科问答小站 logo
百科问答小站 font logo



NLP现在就业是否没有前途? 第1页

  

user avatar   tsxiyao 网友的相关建议: 
      

刚出学校的时候肯定没问题,放在学术界当然也没问题。但如果放在工业界长期搞的话,对大部分人来说不太好。

工业界里,技术是为业务服务的,现在互联网现金牛的业务都不是靠单一技术撑起来的。无论网页搜索、图片搜索还是当下火热的视频搜索,它背后都是一套承载复杂业务逻辑的系统,单一的NLP、CV、Speech技术都只是其中一部分。

业务逻辑没搞清楚,系统模块之间如何互相影响没搞清楚,只是技术层面深度炼丹其中一个NLP模型、CV模型或者Speech模型的话,所能带来的系统层面的影响都非常有限。

一个视频搜索系统我能完全抛开视频视觉内容和语音内容来做吗?

一个图像检索系统我能完全抛开图像视觉内容来做吗?

一个网页检索系统我能完全抛开网页内容来做吗?

其实全都可以。

离了深度学习下的NLP、CV、Speech模型,这些业务系统总能找到一些巧妙的机器学习甚至非learning的方式达到不错的效果。

那这些先进NLP技术存在的意义是什么?

  1. 简化系统设计
  2. 解决系统里20%的疑难问题

比如搞文本相关性,如果抛开现代NLP模型,那就要一顿分词、term weighting、计算CQR/CTR等term match的一堆人工特征,要写不少代码,维护不少系统模块,可能勉强能上80%的准确率。换上现代NLP模型的话,随手上个BERT就80%了。前者需要几十个人维护好几个模块,后者需要一个初级NLP工程师+几台GPU部署机器。

所以啊,低端NLP人才,其实不用很多。一个人就能卷死一大片传统算法模块。

而剩下那20%的困难问题,老旧系统+tricky策略就实在搞不定了,BERT简单finetune也搞不定,咋办呢?

这就是大厂抢着要的高端NLP人才。校招卷潜力股,社招挖实力股。

还是以相关性为例,一些疑难case见我之前这个回答:

没混过大流量的搜索业务的话,做文本匹配的NLP工程师还是很难知道怎么用BERT解这类hard case的,一不小心就陷入了写规则的怪圈里。

解决这20%疑难问题的能力,是非常通用的。做网页搜索能用,放在图像搜索、视频搜索里同样整体适用,最多策略层面“做做微调”。

但要学会这些,你要进nb的团队有牛人带,在问题依托的场景里向牛人学习。这些东西一般写不到论文里,写到论文里往往你也找不到的。

所以,如果觉得踏进了NLP圈子就叫有前途,那还是洗洗睡了。但如果能:

  1. 成为nb的nlp工程师,至少能解属于NLP的20%疑难问题
  2. 跳出nlp圈子,多关注业务、系统和通用机器学习套路

有其一的话,就能打开前途天花板。两者兼得那更好不过了。

越工作越发觉得,前途不前途的,还是要看自己的机遇和选择。

下面是我和小伙伴四年以来的努力,希望能成为每个算法从业者成长路上的一束光:

手册大约半年更新一次,每周大约会有2-3篇新内容产生,对新内容有期待的小伙伴,欢迎follow我们的公号“夕小瑶的卖萌屋”,希望多多支持鸭~~


user avatar   vtt-94 网友的相关建议: 
      

其实这完全是意料之内的翻车。

有心的朋友其实可以去翻找一下MIUI的部门等级变化,就会发现一个极其有趣的现象,目前翻车的两个版本,包括13和12.5,基本上都是内部等级降级后的MIUI团队制作出来的。

可能有人不是很懂这跟内部部门等级升降有什么关系。

简单来说就是,一个部门内部等级越高,它的部门领导距离核心层也就越近,甚至直接就是核心层,它能得到的资源也好,能得到的重视程度也好,都不是普通中高层执掌的部门所能比的。

MIUI作为小米起家的重要支撑,早期等级是相当高的,雷军和部分联合创始人都曾经是它的负责人,所以在小米公司的内部,它的权重无疑是很高的,甚至于其他部门需要配合MIUI部门展开一些工作。

但在后来,MIUI的部门被分拆了,主要负责系统开发的联合创始人离开小米,取而代之的是金凡。领导地位和部门地位双降意味着MIUI的权重大大降低,至少已经不复以前风光了,而版本更新,在有限的资源投入的前提下,自然也只能做修补性的工作,亦或者是一些市面上友商已经有的功能进行技术性移植。无他,这样成本最低。

但这样的后果是严重的,因为友商的系统,即使同源,也会有不同的开发逻辑和技术实现逻辑,强行技术移植,带来的就是不稳定甚至是出现严重问题。

很多人说金凡负责的前几个版本也没问题啊。那是因为问题没有爆发,当时的MIUI还享受着前期资源带来的红利。只是到了12.5,红利已经吃完,问题开始显现而已。

解决这个问题的方式也简单,把MIUI的开发部门恢复到以前的地位,让一个懂技术的核心高层去负责,然后,砸钱去开发、重写、调教,并适配。

表面看来是技术问题,实际上反映的,只是小米部门调整策略出现问题了而已,只是这个后果是消费者承担。




  

相关话题

  自然语言中有哪些有趣的“语法糖”? 
  做底层 AI 框架和做上层 AI 应用,哪个对自己的学术水平(或综合能力)促进更大? 
  transformer 为什么使用 layer normalization,而不是其他的归一化方法? 
  自然语言处理是计算机实现通用人工智能的最难挑战吗? 
  自然语言处理方向研究生好找工作吗? 
  为什么这么多 NLP 大牛硕士毕业去企业不留在学术界? 
  NLP 方向在国内清北读博还是国外? 
  预训练模型的训练任务在 MLM 之外还有哪些有效方式? 
  请问下大家训练 SimCSE 时, loss 有没有这样的情况? 
  哪些自然语言中有类似于塔语想音的构造? 

前一个讨论
澳洲的护理本科有多难学?
下一个讨论
如何评价DALL-E模型的实现?





© 2025-04-18 - tinynew.org. All Rights Reserved.
© 2025-04-18 - tinynew.org. 保留所有权利