中年转machine learning值得吗？

回复 21楼Peiping的帖子
IT公司，一线的（Facebook Google之类的）可能比较难，lz可以去试试看二线三线的IT公司，比如Oracle，Salesforce，底层的manager就是20万-30万出头，如果公司股票好的话还不止。 或者一些小一点的金融的star up （比如coinbase，罗宾汉之类的）也不错，他们喜欢有金融背景的人，给的钱不必那些大IT公司少的，上市了还能小发一笔
shjzxz 发表于 2021-01-12 14:22

是的，我一直对fintech感兴趣，想进个小startup感受一下。大厂我是肯定进不去的，看了他们的job posting都要专攻算法的phd，我水平不够。
我想象中的这条路是上个masters（主要学ml应用）， 然后找小公司或二线公司积累几年经验。我主要是好奇ml在金融里能做出什么样的产品，我现在能想到的只有robo advisor这种比较简单的。能否请过来人回答一下，我这样的背景能够masters毕业直接做product manager吗？

是的，我们公司就有一个组做AI，搞了好几年都没见搞出什么东西来，挺没劲的。这样的地方，就算现在能进去做manager，我也觉得没什么意思，因为学不到东西。
3kingdom 发表于 2021-01-12 20:00

真能用来做trading的别说master，好的phd program出来的也要和很多人竞争才能脱引而出，所以我说要么你找个pay好的要么不如考虑非technical path算了

我觉得楼主说的mle 应该是第一个
Purified 发表于 2021-01-12 17:16

我觉得能调用api调参数做个结果出来就可以了，我希望偏应用，不追求自己develop算法

我觉得能调用api调参数做个结果出来就可以了，我希望偏应用，不追求自己develop算法
3kingdom 发表于 2021-01-12 20:13

要是随便拿个东西调个参就能赚钱那大家都做了啊，market有这么不efficient么

Tech中小公司人才流失严重，Director未必有你挣得多，也管不了几个人。pay的好的热门公司一线manager那都是杠杠的科班出身加6-10年tech大厂的简历。转行适合没有什么经验的人，本来就没什么opportunity cost，入门bar也低，坑也多。你要一定转可能最后也得分几步走，先去个中小厂积累经验，再跳到大厂，但这里面付出的经历完全够你行业内跳槽冲破天花板了。二楼说的三姐高位转行路线一来我没见过，二来就算有，三姐那情商和表达力也不是轻易能被天花板限制的。

我觉得能调用api调参数做个结果出来就可以了，我希望偏应用，不追求自己develop算法
3kingdom 发表于 2021-01-12 20:13

develop算法的，是大厂里面的research组 而且是名校科班PhD，有着若干top paper的人 也只有大厂才有钱养这些人，因为他们的研究很可能是浪费钱 不是广大转行的和master的人所能强求的
普通人做ML，就是调参数，做deployment，或者也可以称为稍微懂一点模型的码农

https://www.1point3acres.com/bbs/thread-701766-1-1.html 楼主看看这个吧 跟你一样 “中年投行矿工有无必要和希望转码” 她是纽约的VP, 工资是22万。其实差不多就是这个钱。总结一些那个贴的有价值回帖，就是放弃domain knowledge 转码，肯定比自己行业换工作难。当了马工，可能钱多点，但是面对一堆小年轻，感觉不一定好。
额牛 发表于 2021-01-12 19:27

感谢，这个link很及时，贴主mm状态和诉求跟我很像，读回帖收益良多。

是的，我一直对fintech感兴趣，想进个小startup感受一下。大厂我是肯定进不去的，看了他们的job posting都要专攻算法的phd，我水平不够。
我想象中的这条路是上个masters（主要学ml应用）， 然后找小公司或二线公司积累几年经验。我主要是好奇ml在金融里能做出什么样的产品，我现在能想到的只有robo advisor这种比较简单的。能否请过来人回答一下，我这样的背景能够masters毕业直接做product manager吗？
3kingdom 发表于 2021-01-12 20:08

我个人感觉金融里面AI可以帮助找各种financial product组合在不同环境下的correlation，毕竟是adaptive的。有名的hedge fund感觉已经是走那条路的。
如果你说做product manager只是管管人和Microsoft project各种进程是没问题的。谷歌和脸书这种管理层的product manager不少。如果要hands on的manager,没有experience是不会consider你的。

never too late to do sth

我个人感觉金融里面AI可以帮助找各种financial product组合在不同环境下的correlation，毕竟是adaptive的。有名的hedge fund感觉已经是走那条路的。
如果你说做product manager只是管管人和Microsoft project各种进程是没问题的。谷歌和脸书这种管理层的product manager不少。如果要hands on的manager,没有experience是不会consider你的。
睿 发表于 2021-01-12 20:42

睿大妈一张口就露怯，还是孜孜不倦地瞎扯，我服了

去读phd吧，否则还不如混着

我个人感觉金融里面AI可以帮助找各种financial product组合在不同环境下的correlation，毕竟是adaptive的。有名的hedge fund感觉已经是走那条路的。
如果你说做product manager只是管管人和Microsoft project各种进程是没问题的。谷歌和脸书这种管理层的product manager不少。如果要hands on的manager,没有experience是不会consider你的。
睿 发表于 2021-01-12 20:42

单纯学习asset classes在不同市场下的behaviour, 用quant就可以，不需要上ml啊。

要是随便拿个东西调个参就能赚钱那大家都做了啊，market有这么不efficient么
chopinor 发表于 2021-01-12 20:15

你说的完完全全是门外汉不懂的想法。先要选择用哪种AI engine适合这个project。还要写code 把AI API和buiness logic 的interface连起来，还要做各种serialization。然后调参数，先用数据组做training/learning, 然后要做各种testing。ML花时间的地方是training和running test. 最可怕的地方是exception很难catch。譬如说李世石围棋第三局AI判断完全错误，有一个着子点它完全没有考虑，然后就崩了。这个expcetion可以说是train的不够或者engine 参数不够，要各种细调才能改正这个错误。

单纯学习asset classes在不同市场下的behaviour, 用quant就可以，不需要上ml啊。
3kingdom 发表于 2021-01-12 21:03

用NN还是不一样的，你用quant的方法去找，用的各种logic和formula是人写的，可以说找correlation是用你写的方式去找。NN是它自己把input的各种数据自己用各种千奇百怪的自创logic来形成。如果找到pattern，backtesting工作，有可能是data fitting, 也有可能在一定时间里将来是会发生。
而且市场上比较简单的是一个股票和另一个股票的correlation，或者asset class. 这些都是非常简单的，大家都知道的没有油水可赚。难一点的是股票basket和另一个股票basket的correlation，每个股票basket里面还有各种千奇百怪的formula和参数。这个就是NN比较强的地方。

Front office是做交易的，middle office是做每天结束position，p&l的结果。back office是最后confirm的transaction用来做official也是正式的book keeping。
睿 发表于 2021-01-12 19:05

我惊呆了

我惊呆了
Cybercat 发表于 2021-01-12 21:13

别惊呆，哪里说错了，请指出来。别个个都跳大神，结果就是挑字眼，而不是逻辑。
你可能想这个个人brokerage不是都有了，干嘛还请那么多人做？你知道一个大公司有多少trading desk和business entity吗？middle office每天要做各种business的consolidation和adjustment。back office要连多少个system来confirm official data. 我做金融20年了。啥说错了讲出来。

你说的完完全全是门外汉不懂的想法。先要选择用哪种AI engine适合这个project。还要写code 把AI API和buiness logic 的interface连起来，还要做各种serialization。然后调参数，先用数据组做training/learning, 然后要做各种testing。ML花时间的地方是training和running test. 最可怕的地方是exception很难catch。譬如说李世石围棋第三局AI判断完全错误，有一个着子点它完全没有考虑，然后就崩了。这个expcetion可以说是train的不够或者engine 参数不够，要各种细调才能改正这个错误。
睿 发表于 2021-01-12 21:07

你看不懂中文吗，我说的是要这么容易用ml trading赚钱大家早都做了，麻烦你就别装了，以为自己再top fund做过吗
围棋你也懂吗，是不是还定过段啊

单纯学习asset classes在不同市场下的behaviour, 用quant就可以，不需要上ml啊。
3kingdom 发表于 2021-01-12 21:03

你真打算和一个把nn翻译成脑神经网络模拟的人聊ml么

用NN还是不一样的，你用quant的方法去找，用的各种logic和formula是人写的，可以说找correlation是用你写的方式去找。NN是它自己把input的各种数据自己用各种千奇百怪的自创logic来形成。如果找到pattern，backtesting工作，有可能是data fitting, 也有可能在一定时间里将来是会发生。
而且市场上比较简单的是一个股票和另一个股票的correlation，或者asset class. 这些都是非常简单的，大家都知道的没有油水可赚。难一点的是股票basket和另一个股票basket的correlation，每个股票basket里面还有各种千奇百怪的formula和参数。这个就是NN比较强的地方。
睿 发表于 2021-01-12 21:13

行了你就别装自己知道真正的fund咋做的啦,我这种不做quant的都看着笑掉大牙

你看不懂中文吗，我说的是要这么容易用ml trading赚钱大家早都做了，麻烦你就别装了，以为自己再top fund做过吗
围棋你也懂吗，是不是还定过段啊
chopinor 发表于 2021-01-12 21:17

ml learning金融界有人赚有人不赚。和hft有人赚有人不赚一样， 和long/short对冲基金有人赚有人不赚一样。devil is in the details. broad concept大家都懂, 可是就是细节方面有些人不懂有些人懂。所以啊，你想法那么简单就谦虚点，井底之蛙。说出来的话让人发笑！
你越怼，拿不出来任何逻辑来backup就显示你越无知，幼稚。 撒泼打闹自己啥都说不出来你在丢你自己脸。你难道不知道吗？大家都在看着！

用NN还是不一样的，你用quant的方法去找，用的各种logic和formula是人写的，可以说找correlation是用你写的方式去找。NN是它自己把input的各种数据自己用各种千奇百怪的自创logic来形成。如果找到pattern，backtesting工作，有可能是data fitting, 也有可能在一定时间里将来是会发生。
而且市场上比较简单的是一个股票和另一个股票的correlation，或者asset class. 这些都是非常简单的，大家都知道的没有油水可赚。难一点的是股票basket和另一个股票basket的correlation，每个股票basket里面还有各种千奇百怪的formula和参数。这个就是NN比较强的地方。
睿 发表于 2021-01-12 21:13

data fitting 服了你 你真是每天都在发明新词 那个叫overfitting或者data snooping 你还是少讨论点technical的东西不然笑话太多就不好笑了

别惊呆，哪里说错了，请指出来。别个个都跳大神，结果就是挑字眼，而不是逻辑。
你可能想这个个人brokerage不是都有了，干嘛还请那么多人做？你知道一个大公司有多少trading desk和business entity吗？middle office每天要做各种business的consolidation和adjustment。back office要连多少个system来confirm official data. 我做金融20年了。啥说错了讲出来。
睿 发表于 2021-01-12 21:15

你这金融20年我看明白了。 就像别人问说JPM 做啥的，你说是个储蓄所，你看我干了开户20年我能不了解？

你这金融20年我看明白了。 就像别人问说JPM 做啥的，你说是个储蓄所，你看我干了开户20年我能不了解？
Cybercat 发表于 2021-01-12 21:27

她做金融的意思是每天去买过期过鸡腿要刷福利卡吧 还得刷两张不同的卡

你这金融20年我看明白了。 就像别人问说JPM 做啥的，你说是个储蓄所，你看我干了开户20年我能不了解？
Cybercat 发表于 2021-01-12 21:27

我说的是front，middle 和 back office的区别，回答别人问这几个字眼是啥。说jpm business做啥的，和我说的这个是一回事吗？挑啥骨头啊？看不懂是两个不同的问题吗？

data fitting 服了你 你真是每天都在发明新词 那个叫overfitting或者data snooping 你还是少讨论点technical的东西不然笑话太多就不好笑了
chopinor 发表于 2021-01-12 21:26

睿 发表于 2021-01-12 21:34

哈哈哈，你真是丢脸，你不会大家工作都像你这么交流吧
还说‘backtesting工作’，你这是翻译软件没用好本来想说backtesting work吧 丢人丢到姥姥家了
quote你说的来看看多有意思 ‘如果找到pattern，backtesting工作，有可能是data fitting, 也有可能在一定时间里将来是会发生。’

回复 116楼chopinor的帖子
围棋没定段，是在美国学的。在中国小时候没时间学。我一直喜欢动脑子的事物。

哈哈哈，你真是丢脸，你不会大家工作都像你这么交流吧
还说‘backtesting工作’，你这是翻译软件没用好本来想说backtesting work吧 丢人丢到姥姥家了
quote你说的来看看多有意思 ‘如果找到pattern，backtesting工作，有可能是data fitting, 也有可能在一定时间里将来是会发生。’
chopinor 发表于 2021-01-12 21:38

OMG, 你中文太差了。工作在这里是说成功的意思！先拿一部分data做data Fitting，然后剩下的data做backtesting. “如果backtestIng工作”是啥意思？就是成功的话！你上过班吗？if thé backtesting works... 懂吗！？

其实一个很好的提问，被几个人带偏了。 我自己在medium size financial service company，technology部门的管理层，我自己不是科班出身，下面说的可能不全面。 1. never stop learning。我支持lz去学ml和al。因为在金融al和ml会很有用，你要懂这个language 2. 不支持转行。我自己经常要和高层和consultant打交道，可以有bias。感觉未来几年，金融领域会有很多机会，因为不管大的小的公司都要经历这么一场数字化“现代化” modernization过程。fintech对行业冲击很大，大家都拼命投资科技升级。我经常看到我们的director被别的小公司approach。把自己重新包装，找到一个更高更好的职位应该不难。 3. 关于pay和career path。我能看到high level director可以拿到35-50万，再高一点的可以拿到70-80万。数据点有限。如果你能找出一个让自己脱颖而出的地方，结合自己的背景，找出公司的pain points，也许能走上更好的path。我认识的一位同行女性前辈，早年就是个statistician，现在是一个大公司chief data office，这个过程不过10多年。人家还是很年轻优雅的状态。 我自己同在这种不上不下的地方，欢迎一起讨论将来career development。

这公司职位听起来像是做的很底层呢。
huanglin82 发表于 2021-01-12 19:17

笑死，你居然能从standardized面试题看出公司做什么，干脆改行算命吧。Leetcode上一堆基础概念的面试题，无非就是string,list,array,dictionary，你的天眼能看出那些公司职位是做什么的吗？

其实一个很好的提问，被几个人带偏了。 我自己在medium size financial service company，technology部门的管理层，我自己不是科班出身，下面说的可能不全面。 1. never stop learning。我支持lz去学ml和al。因为在金融al和ml会很有用，你要懂这个language 2. 不支持转行。我自己经常要和高层和consultant打交道，可以有bias。感觉未来几年，金融领域会有很多机会，因为不管大的小的公司都要经历这么一场数字化“现代化” modernization过程。fintech对行业冲击很大，大家都拼命投资科技升级。我经常看到我们的director被别的小公司approach。把自己重新包装，找到一个更高更好的职位应该不难。 3. 关于pay和career path。我能看到high level director可以拿到35-50万，再高一点的可以拿到70-80万。数据点有限。如果你能找出一个让自己脱颖而出的地方，结合自己的背景，找出公司的pain points，也许能走上更好的path。我认识的一位同行女性前辈，早年就是个statistician，现在是一个大公司chief data office，这个过程不过10多年。人家还是很年轻优雅的状态。 我自己同在这种不上不下的地方，欢迎一起讨论将来career development。
luluzlemonadez 发表于 2021-01-12 21:44

谢谢分享 请不要再怼了，这是个干货帖，楼主和很多回帖都让我受益非浅。
问问层主，如果是做transaction类的在数字化环境下怎么突破自我？

你这金融20年我看明白了。 就像别人问说JPM 做啥的，你说是个储蓄所，你看我干了开户20年我能不了解？
Cybercat 发表于 2021-01-12 21:27

睿大妈的“金融”就像法拉盛银行的柜员都自称banker呢

🐎这个一个好贴，尤其某位层主贴的一亩三分地里的那篇，花了一个小时把所有回帖都看了，很有收获，能不在这种帖子里面吵架么，好不容易出个有营养的帖子。。。

你们两个看的出来完全是外行在这个帖子里只会怼人有意思吗？NN好几年前就有billion weights的size，不用云计算难道在一台server上跑啊？你们啥都说不出来只会搅稀泥不觉得丢人吗？
睿 发表于 2021-01-12 19:38

。。。。。。。 不但一台机子可以 一个gpu 就可以 除非你训练gpt3 大家用云的主要原因是自己搞gpu服务器比较麻烦 不如按时间租云上的 cpu 也可以 就是慢一点 感觉妹子是还是懂concept 态度也很客观中立 别吵了吧

我觉得能调用api调参数做个结果出来就可以了，我希望偏应用，不追求自己develop算法
3kingdom 发表于 2021-01-12 20:13

是的 mle 只有这个要求 自己开发算法的一般在research

要是随便拿个东西调个参就能赚钱那大家都做了啊，market有这么不efficient么
chopinor 发表于 2021-01-12 20:15

MLE 也不需要考虑market的 产品需求由产品经理定义

MlE和MLE差别太大了。有做research深入数学模型的，也有调参侠，看自己喜欢哪一块。

。。。。。。。 不但一台机子可以 一个gpu 就可以 除非你训练gpt3 大家用云的主要原因是自己搞gpu服务器比较麻烦 不如按时间租云上的 cpu 也可以 就是慢一点 感觉妹子是还是懂concept 态度也很客观中立 别吵了吧
Purified 发表于 2021-01-13 20:41

谢谢，现在云计算也有gpu功能的。不光可以跑ML的training，而且也可以跑游戏。谷歌的stadia跑cyberpunk 2077听说画质非常好。

mark...

其实一个很好的提问，被几个人带偏了。 我自己在medium size financial service company，technology部门的管理层，我自己不是科班出身，下面说的可能不全面。 1. never stop learning。我支持lz去学ml和al。因为在金融al和ml会很有用，你要懂这个language 2. 不支持转行。我自己经常要和高层和consultant打交道，可以有bias。感觉未来几年，金融领域会有很多机会，因为不管大的小的公司都要经历这么一场数字化“现代化” modernization过程。fintech对行业冲击很大，大家都拼命投资科技升级。我经常看到我们的director被别的小公司approach。把自己重新包装，找到一个更高更好的职位应该不难。 3. 关于pay和career path。我能看到high level director可以拿到35-50万，再高一点的可以拿到70-80万。数据点有限。如果你能找出一个让自己脱颖而出的地方，结合自己的背景，找出公司的pain points，也许能走上更好的path。我认识的一位同行女性前辈，早年就是个statistician，现在是一个大公司chief data office，这个过程不过10多年。人家还是很年轻优雅的状态。 我自己同在这种不上不下的地方，欢迎一起讨论将来career development。
luluzlemonadez 发表于 2021-01-12 21:44

妹妹纠正一下machine learning不是一个language。很多language现在有专门的platform支持ML.

你说的完完全全是门外汉不懂的想法。先要选择用哪种AI engine适合这个project。还要写code 把AI API和buiness logic 的interface连起来，还要做各种serialization。然后调参数，先用数据组做training/learning, 然后要做各种testing。ML花时间的地方是training和running test. 最可怕的地方是exception很难catch。譬如说李世石围棋第三局AI判断完全错误，有一个着子点它完全没有考虑，然后就崩了。这个expcetion可以说是train的不够或者engine 参数不够，要各种细调才能改正这个错误。
睿 发表于 2021-01-12 21:07

I think you are right......

mark~~中年转machine learning~~

为什么投行vp只有22w？我怎么记得十年前就传有30-50w？

一般投行里三大块：business, quants, IT。现在真正有意义的和trading有关的ML一般是被quant team把持，你如果没有很强的数理和写码（注意要同时具有）能力，大概轮不到你来写。你现在在中台，数理比较好，也有比价好的coding知识，比较好的出路是做 business analyst，负责沟通和管理 business side 的 IT projects. 你在中台，应该会有这种需求。

35+大妈，毕业之后一直在金融，非前台，算是middle office的research岗吧。从analyst也混到manager了，但是再往上走很难了，公司高层一群中年白男，不会轻易把机会给我们这种移民。做了这么多年也有点腻了，想换个行业。不知道machine learning是不是个好出路？本地大学有很好的masters program，据说工作机会还可以。在coursera上了Andrew Ng的课，挺有意思的，就是不知道真正做起来会不会复杂很多。
大妈背景：本科是理工科，数理统计基础不错，coding一般。不知道做几年后薪酬会达到什么程度？现在工资也不高，不到20万，主要是不想过一眼望到头的日子了。
*很多mm质疑我工资太低，是因为公司title跟花街不太同步，director就相当于其他地方的manager, senior manager. 大家按manager水平理解好了*
3kingdom 发表于 2021-01-11 21:34

不值得。
Andrew NG的machine learning课程只是普及兴趣的。注意，我是说普及“兴趣”，连普及machine learning的都不够。现在machine learning圈子，你没有几篇顶级会议（icml, nips, kdd, sigir等）的一作文章，根本是打不进这个圈子的。对于你来说，machine learning只是一个工具，就好比一个算法包一样，拿来用就是了，不存在什么转不转的。好好干好自己的本行把。如果需要用到machine learning，再学习。

“不用太深入理解里面的数学本质。比如说，支持向量机SVC这样的东西，到底里面咋实现的，其实不是那么重要，你也只是call 几个 API而已。” 弱弱得说一句，这怎么跟我亲身经历的不一样啊。我面试的时候经常要我写一个function，不允许调包。比如手动写个KNN，不允许用scikit-learn里现成的knn的package，这就需要你理解euclidean distance是怎么算的。 还有让我直接上白板手写linear regression怎么算coefficient，这一定要理解数学本质的啊。
keluoyi 发表于 2021-01-12 14:14

非常同意，数学的本质得理解的非常清楚，否则做工作会有方向性的错误。不是随便什么算法试一试就行了的。

andrew ng那个有点简单了 学了也不能干啥 lz目前收入已经很好了，如果目的是想多赚点，在事业上走到更高，那显然很risky. 但如果只是想改变生活现状，那干啥都行，不局限于做ML
Cath226 发表于 2021-01-11 21:51

同意，NG那个距离实用，能做工作解决问题还差一点，得上MIT或者stanford的open course. Coursera上的速成课不系统。

楼主，你不用学coding，直接面IT公司Director. 不需要会写代码。很多烙印都这么做的。你从头学coding 代价太大。你可以私信我。
molly233 发表于 2021-01-11 21:59

哈哈.......我觉得这个也许分公司，我知道的公司这样是肯定不行的

不太值当吧，现在ML已经很饱和了，除非你读个PhD。
badgerbadger 发表于 2021-01-11 22:23

同意，现在人明显比坑多了

我家LG之前也是在一家中型公司从Director做到Sr Director，做了将近10年，管不少人。觉得管人没意思，再往上还要勾心斗角搞更多办公室政治。想想还是喜欢做技术（名校CS出身），去年去了大公司转DS ML，挣得比以前少了一半，每天也比以前忙，但不用成天开会，可以专心搞技术学新东西，他倒是特别开心。 就是人到中年搬家到高消费的地方还拿着以前一半的收入生入还是挺不容易的，呵呵。所以还是要看你想要什么样的生活！
dudumama219 发表于 2021-01-11 23:55

理解，特理解。说服自己挺重要的，有时候觉得自己混的不容易，不能放弃，还是要争

35+大妈，毕业之后一直在金融，非前台，算是middle office的research岗吧。从analyst也混到manager了，但是再往上走很难了，公司高层一群中年白男，不会轻易把机会给我们这种移民。做了这么多年也有点腻了，想换个行业。不知道machine learning是不是个好出路？本地大学有很好的masters program，据说工作机会还可以。在coursera上了Andrew Ng的课，挺有意思的，就是不知道真正做起来会不会复杂很多。
大妈背景：本科是理工科，数理统计基础不错，coding一般。不知道做几年后薪酬会达到什么程度？现在工资也不高，不到20万，主要是不想过一眼望到头的日子了。
*很多mm质疑我工资太低，是因为公司title跟花街不太同步，director就相当于其他地方的manager, senior manager. 大家按manager水平理解好了*
3kingdom 发表于 2021-01-11 21:34

要看你对自己的估计啦，如果一边上学一边转行，2-3年你觉得可以接受不？

mark

同意，NG那个距离实用，能做工作解决问题还差一点，得上MIT或者stanford的open course. Coursera上的速成课不系统。
animationphd 发表于 2021-01-16 23:03

will you please provide more info about "MIT或者stanford的open course". Thank you very much!

要看你对自己的估计啦，如果一边上学一边转行，2-3年你觉得可以接受不？
animationphd 发表于 2021-01-16 23:07

可以接受，母校的ML硕士program就是两年的，帮助找实习