# 算法工程师的工作闭环

## 元数据

- 书名：百面机器学习：算法工程师带你去面试
- 作者：葫芦娃
- 章节：前言 / 机器学习算法工程师的自我修养
- 页码线索：前言
- 目标岗位：AI PM / LLM 产品 / 算法工程师面试
- 优先级：P0
- 标签：career, algorithm-engineer, productization

## 面试问题

算法工程师和普通工程师最大的工作差异是什么？

## 30 秒回答

算法工程师不只是调模型，而是从业务问题出发，定义数据、特征、模型、实验、指标和上线反馈的闭环。真正的能力体现在发现问题、验证假设、迭代方案和解释取舍。

## 展开要点

- 先判断问题是否适合机器学习，而不是先选模型。
- 把生活或业务中的现象转成可观测数据和可优化目标。
- 产品化时要关心用户体验、指标提升、成本、稳定性和可维护性。
- 算法研究与业务落地的差别在于：后者必须经得起线上实验和用户反馈。

## 高频追问

- 你如何判断一个需求应该用规则还是模型？
- 线上效果不如离线效果时你怎么排查？
- 算法同学和产品同学容易在哪些地方误解彼此？

## 项目映射

- 用一个推荐/搜索/风控项目说明从问题定义到线上实验的过程。
- 准备一个因为指标选择错误导致误判模型效果的复盘案例。

## AI PM 迁移

AI PM 可以把这张卡当作所有 AI case 的总框架：问题、数据、模型、评估、上线约束、反馈迭代。

## 备注

本卡为面试复习用的概念重构和答题框架，不保存原书正文。