说说数据挖掘算法工程师的三重境界

文/不周山

王国维的人生三重境界快被人们念叨烂了，资深文艺青年都已经不爱提这个，但把这种分法做个跨学科应用，倒是能看到一些新奇的东西。

十一前帮新东家在北京做了一轮校园招聘的算法面试官。虽然面试多年，但这还是我第一次如此密集地从事这项工作——一周时间里马不停蹄地面试了数十名候选者。长时间做一件事情，再结合原来类似的背景和经历，通常会发酵出一些东西，于是就有了下面的文字。

极少一部分玩票的人这里就不提了，剩下大部分的候选人其实还在这个职位的门槛外徘徊，处于“独上高楼，望尽天涯路”的摸索阶段。

比较初级的比如某些工程出身但没有信心投开发的候选人，看着这个稍显陌生的工程岗位觉得可以来碰碰运气（类似于以前的一个玩笑：不知道自己该干什么的都投产品经理去了）。

进阶一点的有啃过一两本相关书籍，上个两门课，做过两个玩具项目的学生，问一个问题通常都能口若悬河地说上一通，但你让他把刚才说的问题和方案用形式化的语言来表述一下，就只能干瞪眼。你把纸和笔都推到他面前要描述和推演，却发现得到口述内容的语音识别版。

我挑人通常对候选人的形式化思维能力有要求，这也是为什么我认为具备基本的数学能力是多么重要的原因。因为算法工程师跟传统的开发工程师不同，很多时候并没有一个现成的定义好的问题在等待着你，你通常需要先把需求方的自然语言翻译成形式化的语言，然后再翻译成机器编码（这部分扯起来就很多了，将来再撰文详述）。当然也有对这个职位充满了热情，但明显还没准备好的同学。这样的候选人只要对眼缘，我一般都会加以劝导，无论是重新思考自己的职业发展方向，还是进行合理的能力储备，都比这样凭着热血碰钉子强。这个阶段的同学，看山是山，看水是水，习惯用生活语言来描述问题，分析问题，而未懂得把握抽象在其后的共性，并用形式化的语言把问题和自己的想法表达出来。

合格的候选人通常经过一些学术或项目的锻炼，不知觉地跨过了第一阶段，真正地进入到这个门槛里，懂得了算法和抽象的乐趣，并乐在其中，“衣带渐宽终不悔，为伊消得人憔悴”。这批人通常已经具备了成形的形式化逻辑思维习惯，对于面临的实际问题，第一反应就是“如何量化”，“如何建模”，“已知变量是什么”，“目标函数是什么”，至不济的，也会用自己做过的项目作为一个模子去套新的问题。他们拥有成熟程度不等的知识体系，凡事都能套入到自己的体系中去表达和推演，在抽象层面对问题进行解答。但这也是一个拿着锤子满世界找钉子的阶段，每个人都认为自己的锤子是万能的，所有问题都要代入到自己熟悉的模型中去求解，于是往往能看到一些钻在牛角尖里绕不出来的面试者。比如一个其实不难的统计问题，想得太多，有时就会被面试者套入假设检验，有时是分类问题，有时又变成贝叶斯推断。这个阶段，看山不是山，看水不是水，有点痴狂，有点自信，有点执着，有点迷失。

总有一些人能摆脱自身知识形成的桎梏，跳出自己模型框框，回归到问题本身，达到了看山还是山，看水还是水的层面。他们在具备很好专业素质的前提下，不被自己的专业所束缚，他们首先关注问题的起点和目标，并通过自己的已有甚至未有的知识去描绘中间的路径，为问题定义出合理的边界和解决路径。能达到这个层面的，已不多见。即使在实际工作中，也有大量的第二层面的解法，面对问题，通过不断地加入模型，使得架构变得复杂。而只有回归到问题本身，从出发点进行分析，千锤百炼后，才能走出自身的困境，享受“蓦然回首，那人却在灯火阑珊处”的惊喜。

相对于能力划分拥有比较清晰标准的传统开发工程师来说，算法工程师是一个相对较新的职位，学校里也没有一些定义明确的培养课程（比如c/java、数据库、数据结构），可以据此来对候选人的能力进行衡量，所以对其能力的界定还比较模糊。这里我从面试官的角度来描述自己对这个问题的思考——除了基本的工程能力之外，还有哪些素质是必要的。这是个很大的值得探讨的话题，这里只是开了个头，表达得还很模糊，不足够具体和系统，属于随性的念叨。将来有机会我还会结合着自己的实践经历做进一步阐述，也欢迎大家在这里发表自己的见解。