1、將模型發(fā)布成服務(wù)的能力

模型訓(xùn)練好后，需要發(fā)布成服務(wù)，這樣才算完成落地。但是發(fā)布成服務(wù)，并不是那么簡單。

如果用python，那你至少得會tornado或者flask。要學(xué)會這兩個(gè)框架，至少需要對web服務(wù)技術(shù)有所了解。

如果用java，大部分是用spring，那你至少需要對spring全家桶有所熟悉，當(dāng)然，maven啥的是不能少的。

如果是用RPC，除了spring之外，對RPC（比如hsf）技術(shù)也要熟悉基本原理，并能熟練運(yùn)用。

在容器化的今天，你的服務(wù)一定是在容器中運(yùn)行的，這需要你對docker等容器化技術(shù)比較熟悉，才能真正地與docker配合，完成服務(wù)發(fā)布。

不同的公司都有自己的devops工具，用來完成創(chuàng)建應(yīng)用、申請機(jī)器、創(chuàng)建環(huán)境、發(fā)布服務(wù)、發(fā)布變更等工作，也需要很好地掌握。

2、配置監(jiān)控的能力

服務(wù)上線了，監(jiān)控必須要跟上，不然，服務(wù)掛了很久你都不知道，怎么能行。各個(gè)公司都會有自己的服務(wù)監(jiān)控工具，比如supervisor等。有時(shí)候，你需要對服務(wù)狀態(tài)有更加細(xì)致的監(jiān)控，比如某類異常過多，響應(yīng)時(shí)間加長，請求數(shù)據(jù)具體情況等，這往往需要你對監(jiān)控工具比較熟悉，才能順利配好。

3、負(fù)載均衡、擴(kuò)縮容、容災(zāi)備份的能力

有了監(jiān)控，不等于完事大吉，你還得考慮服務(wù)承載能力問題，需要多少臺服務(wù)器，負(fù)載均衡按照什么策略。如果服務(wù)請求突然增多，如何快速擴(kuò)容，服務(wù)器如何配置在多地，增加服務(wù)的容災(zāi)能力。這些事情雖然都有工具可用，但首先需要你對這些事情的基本原理比較清楚，并提前熟悉，才能在必要時(shí)用得上。

4、灰度測試的能力

有時(shí)候你訓(xùn)練出一個(gè)新的模型，需要檢測效果，這是你的服務(wù)已經(jīng)在線上了，直接用新的模型頂上是風(fēng)險(xiǎn)很高的，離線測auc呱呱叫，上線后auc直線呼呼跳的事情是很正常的。所以，一定要用小流量進(jìn)行驗(yàn)證，這需要你對灰度測試機(jī)制比較熟悉，不然，做不到這一點(diǎn)，新模型是上還是不上呢？

5、數(shù)據(jù)分析的能力

好的，模型已經(jīng)上線運(yùn)行了一段時(shí)間，需要分析下效果。首先，你的log有沒有記得夠詳細(xì)，可以支持所有粒度的模型情況分析？嗯，記log確實(shí)是一件需要提前想好的事情，不要小看它哦。另外，大概率情況，你的log會被load進(jìn)大數(shù)據(jù)系統(tǒng)，比如hive，那么要分析log，hive你總得會吧。有時(shí)log還需要進(jìn)行很多處理才能得出分析結(jié)論，那么，大數(shù)據(jù)分析工具spark啥的你總得會吧？各個(gè)算子可是都清楚了？

6、報(bào)表生成的能力

你的模型總得有一些日常觀察指標(biāo)吧，這樣你才能時(shí)刻追蹤到模型服務(wù)的最新情況，一旦發(fā)生指標(biāo)異常，可以迅速分析解決。這時(shí)候沒有比一個(gè)完善的報(bào)表更重要的了。所以你需要會將自己模型服務(wù)的報(bào)表做出來吧，報(bào)表工具雖然有，但你總得會才行啊。

7、制作前端portal的能力

為了在上線前更方便地體驗(yàn)?zāi)Ｐ头?wù)，你總得為服務(wù)搭建一個(gè)前端使用頁面吧。至少讓老板們可以愉快地測試你新model的效果。前端頁面可以非常簡單，vue啥的都可以。問題是這點(diǎn)活兒你不自己干難道還給你招一個(gè)前端來？

8、無總結(jié)、不進(jìn)步

可見，從工程師的角度來看算法工程師，一個(gè)合格算法工程師首先是一個(gè)合格的工程師才行。可能你覺得算法工程師不需要會這么多也能活得很滋潤，因?yàn)橛泄こ虉F(tuán)隊(duì)配合呢。我只想說，你說的是現(xiàn)在，我說的是未來。

總而言之一句話，盡快擺脫調(diào)參師的標(biāo)簽，多領(lǐng)域拓展自己的知識結(jié)構(gòu)，讓自己成為一個(gè)T形人才，才能在越來越激烈的崗位競爭中，最大限度提高自己的競爭力。