NLP 算法工程师转向底层实现可行吗？有没有大神有经验或者建议呢
x5942110 · memeda · 2019-12-18 13:49:01 +08:00 · 2383 次点击这是一个创建于 1821 天前的主题，其中的信息可能已经有所发展或是发生改变。
初来乍到，用语不对请包涵
背景
浑浑噩噩选了 NLP 方向，庸庸碌碌硕士毕业。进了公司根据需要做 文本摘要 方向，至今已 2 年半矣。
工作从入职到 1 年半时还算顺利，之后陷入瓶颈。
有两个点让我比较困惑：
（ 1 ）自认为代码能力在团队中上，但科研能力怕是最低一档——没有写论文经验，没有科研经验。然而在算法团队，代码能力不是核心能力，而科研短板却比较突出；且没有很好的机会（比如有人带，有充裕时间搞研究）来有效提升科研能力
（ 2 ）对 DL 在文本生成的前景有些迷茫：BERT 之后的效果是让人吃惊的，但是依然不太可控，基于统计的本质没有改变（个人观点）；而学术界忙于刷分，对于真实存在的问题熟视无睹或者无能为力。个人觉得跟着这个领域还是在前沿探索的阶段，而我有些怀疑自己是否有这个能力站在该领域的浪潮之上？
近年来，DL 强化了对底层架构（如 NN 框架）、芯片的需求，而我国在这方面似乎还有些欠缺。这似乎是一个机会？但国内的环境是否成熟呢？似乎不是。
想法
程序员挺好的，我挺想长期做下去的。这就要求我得有积累，而不是重复。 个人意愿上，我有比较强地把东西做好的意愿。所以我希望可以在某个领域深耕。 目前做的工作，我觉得积累有限：没有在前沿，做得多的是系统实现、跟踪最新模型效果（这块都因为时间关系没有做好！）。我感觉再这么下去，自己可以被轻易开除。
所以萌生了转方向的想法。
主要有 2 个思路：
- 转向更可落地的 NLP 方向： 如情感分析、信息抽取等
- 往底层走，先尝试做框架，再尝试做芯片
思路 1 的话代价、难度应该小一点，毕竟现在 SOTA 模型比较通用，更多地是去熟悉任务和历史方法。问题就是自己还是在 NLP 领域内，可能最后还是没有积累啥核心竞争力
思路 2 转行难度太大了，但是自己目前内心比较想尝试。总觉得这个领域积累更加多，被替代的可能性更小。
问题
（ 1 ）做 NLP，有没有什么能力可以持续积累而不是随时间贬值？
（ 2 ）转行做框架类代码的开发，要求是什么，好不好转行？ 这种东西有壁垒吗？
（ 3 ）芯片，几乎 0 基础可以转过去吗？可以一步步做到非常好吗？
附加问题
如果你是我，你会怎么选择未来？
 |
1
Raymon111111 2019-12-18 14:22:25 +08:00  1
对绝大多数人来说, 技术的唯一出路是管理线.
|
 |
2
wangkai0351 2019-12-18 14:48:56 +08:00 1
建议楼主追寻一下某个科学领域和技术方向的历史发展渊源，这样你能看清一个东西的本质，比如神经网络追寻到达特茅斯会议之前到二战后，当然如果你对 AI 痴迷，应该已经这么做过了，问问自己是不是真爱。为什么从 model-based 发展到 data driven，两者的各自优缺点有很多，你的理论水平和实践支持你自己理解这种差异到哪个层次深度了。把这些问题搞清楚，你后面会选择一个更“正确”的有意义的落地场景（算法团队）。AI 走的太快，容易忘记了初心是什么。
|
 |
3
yangyaofei 2019-12-18 15:58:03 +08:00 via Android 1
确实，前几个月，一直在想怎么优化 bert，这个东西太好用了，或者说 dl 的东西都特别好用，但是，计算量太大，没得玩啊原来单核能跑的，现在要 1080ti，还没原来快………
|
 |
4
chunhua20 2019-12-18 16:19:23 +08:00 1
你的这个方向，V 友应该给不了多少参考，这里还是以写代码为主。你没有科研写论文经验，但这不妨碍你读论文，读论文也可以搞研究。
|
 |
5
TimePPT 2019-12-18 16:43:30 +08:00
文本生成现在不是流行 GPT-2 么
|
|
6
TimePPT 2019-12-18 16:45:45 +08:00 1
以及，文本摘要 Summary 抽取这个其实比情感倾向分析好落地，至少资讯站，脱水研报这类场景是十分确定的。
|
 |
7
Harv 2019-12-18 17:53:54 +08:00 1
1.做 AI 算法落地的需求确实大，国内现在一般是嵌入式软件的开发岗在搞这块。我不敢给建议说该不该转。因为需求虽然大，但这类岗位的待遇确实比纯做算法的差一大截；
2.除了算法基础，这类 AI 落地的岗位更注重底层知识，比如优化（这只是其中一个巨坑，你可以搜下 SIMD 优化这个关键词）。如果你能打完这基础，加上你算法背景，那国内 AI 公司随您进，真的； 3.往芯片靠是指 AI 芯片吗？ hmm...现在 AI 芯片主要是 NVIDIA 和 XILINX 两个阵营在抢市场。我觉得用前者的平台摸下 GPU 编程就够了。后者是搞 FPGA 的，楼主没有硬件基础直接放弃考虑这方向吧。 |
 |
8
ihtMaaN9b41ewLSU 2019-12-18 18:20:59 +08:00 1
楼上 @Harv 说的对 另外 NLP 实现更难, 感觉有点鸡肋, 通完应用的路比较漫长. 关于优化有跨平台自动化的 TVM, 底层线代库 OpenBlas, 作者都有 PPT 介绍底层实现, 看下就知道难度了.
|
 |
9
x5942110 OP @wangkai0351 感谢，对于您的建议我一定采纳
|
|
10
x5942110 OP @TimePPT 嗯嗯，gpt2，bert 系都是是近年的 sota 模型。摘要抽取落地是有一些，但是想要持续优化太难了。摘要这个问题太难，很容易感到现在算法只是在处理浅层的统计信息，没法“理解”。情感分析之类的简单一些，应用形式也比较多，看起来挺有意思，当然这也只是我局外人看的样子
|
|
11
x5942110 OP @Harv 🤣 SIMD,是单指令多数据吗，应该是大学计算机体系结构学过的，当时就觉得这种太复杂了，需要费功夫
算法落地我们这边好像也有人做，据说涉及到指令级别的代码编写了，或许有一定的门槛? 考虑芯片是因为最近的 myz 风波，感觉中国需要自己做大做好这一块，当然这块入门的确很高……我也感觉不太能直接转向这个可能 我想做的框架更多是指（神经网络）系统框架等，类似 tensorflow 这种，它在应用与硬件之间，感觉好上手一点，但感觉岗位少，自己又没啥特长，怕是找不到这种好工作…… 感谢您详尽的回复，受益匪浅 |
|
12
x5942110 OP @vvsmallv 感谢~
嗯嗯，这块我大概听说过，openblas，mkl，cudnn 还有再底层一点的 eigen 这些 我不太清楚做这些底层设施的人都是怎么上手的，是公司支持，还是自己业余写写呢。我真得去多了解了解了，不能总在门外看 |
|
13
x5942110 OP 隔了 2 天才来看，非常感谢各位。
我特别想能找到一个方向好好的持续做下去，但现实中发现是很困难的。一种可能是方向难度大，自己没有推动这个方向前进一点点的能力；一直可能是一直重复，根本触及不到方向的前沿，不能深入下去。 我觉得这或许才是现实。 这一年基本都在无意义加班，感觉什么都没长进，内心惶恐不安。但静下心来，或许这些都是过程吧，不经历这些，怎么知道什么是想要的，什么该去珍惜和争取 |
Select Language