「这是我参与2022首次更文挑战的第4天，活动详情查看：2022首次更文挑战」
这个是我在知乎上回答的，自己搬自己的东西应该没问题吧
干了半年的算法
感觉没有那么高大上
开发能力挺重要的
如果公司有好的产品经理，你可以只做需求，场景什么都可以不考虑
但是实际上，你一个算法服务，要考虑性能，部署环境，数据流，包装成可用的接口
举个实际面对的例子
甲方是某国企，服务器架设在内网，部分业务是隔离网（不通外网）
在这个前提下，甲方需要增加一个做监测的算法功能
算法基本上用开源的，调参就够用了
但是怎么部署就是问题，隔网环境，上传代码都要远程加跳板机倒几道手。所有需要的包都只能打包好，没有办法直接下。只能用docker
docker打包好环境，部署好服务，扔到服务器上跑
还要去做测试
还要联调
在接收到是规范化的数据下，整个算法选型到调参只占了30%的时间，如果数据不规范有脏数据，那这个比例可能只有20%或更低。
这就是算法的实际情况
更新一下最近一周碰到的情况
目前算法概念验证完成，原型已经对好，下一步需要开发接口对接到实际业务中。
面对的情况，就很有实际参考价值，我这里就啰嗦两句。
在公司中没有所谓的算法实施工程师，算法模型验证工程师，和什么算法模型优化工程师。只有算法工程师，会面对下面几个问题。
1）提供算法服务接口，用什么协议，grpc，http，websockets
2）算法模型怎么接受数据，用json，用数据库，还是用中间件。
--用json+http会不会超时
--用数据库，是用sql还是no sql
--用中间件，出现异常怎么处理
3）算法模型，如果内存只给2个G，数据怎么载入，结果怎么输出，并且传入传出的数据用什么格式。模型能接受最大数据量是多少。
4）如果前段需要获取算法进度，是用短轮询，长轮询，websockets，还是mysql，并且如果算法模型出现异常，进度怎么更新，是中断训练，还是重新训练。
5）在部署算法过程中，遇到各种各样的坑，要有能力去查，如果查不到就需要用其他方式去替换 6）开发过程中第一条一定是你和代码要有一个能跑，如果算法跑不了可比算法跑的慢问题大很多。
我自己感觉，算法工程师实际是要分研究和部署两个类，研究类是创新算法，不需要考虑成本，只做优化，这个是真正需要公司烧钱的，所以必须是真正高端的人才。部署类就是大部分的算法工程师该做的事，做现成开源算法的落地，熟悉业务逻辑，能够快速把已有的开源算法集成到服务中。不需要太多的开发能力，但是一定要熟悉各种协议，各种中间件，crud各类数据库，深度学习框架。更像一个万用扳手。
