就是feature engineering,提取特征信号,训练模型,提供在线/离线推荐信号的这一套内容
感觉传统业务crud的前后端肯定是死的透透的了,和人聊起这一套搜广推,对方说这玩意靠灵感才能拿到合适的信号,真是这样吗?还是AI大力出奇迹呢?
7
1.9K
就是feature engineering,提取特征信号,训练模型,提供在线/离线推荐信号的这一套内容
感觉传统业务crud的前后端肯定是死的透透的了,和人聊起这一套搜广推,对方说这玩意靠灵感才能拿到合适的信号,真是这样吗?还是AI大力出奇迹呢?
特征工程那部分确实被挤压了,但线上离在线一致性、延迟预算、冷启动这些工程约束还在,模型再强也得有人兜底。所谓“靠灵感”更像是在有限信号里做取舍的经验判断,跟大力出奇迹不冲突,是两件事。
你说的传统搜广推具体指哪类场景?电商和内容分发的信号来源差别很大,最好补充一下再做判断。
短期成本未必降,调模型和重训的算力开销可能更高。
真正被替代的是重复调参和手写特征,业务理解与目标定义仍稀缺;但数据质量差、反馈稀疏的场景,AI 也难有稳定收益。
国内大厂和海外中小团队对这套岗位的需求节奏可能很不一样,不能一概而论。
上线时特征回填和历史数据对齐最容易出问题,别低估这块工作量。
先界定“影响”指岗位收缩还是工作内容变化,结论会完全不同。