结合我自身工作经历给你说说吧。
1. 首先，现在定义的算法工程师=机器学习算法工程师=深度学习算法工程师，不是指工程能力很强的那种算法工程师
2. 在算法工程师行业，我们又会细分为应用算法工程师和更偏理论偏基座的理论算法工程师。无论哪个方向，数据预处理、训练、优化、部署。都是基本功，但是这种基本功都指的是调包。前面每一个环节深入进去，都是另一个工种，比如，部署推理加速，要会 cuda ，会写算子，这个工种了解不了解算法理论就没那么重要了。
3. 其中应用算法会更侧重业务拆解，将问题转为算法问题，所以在实际工作中会要求写一点业务代码。一般由工程团队包好框架，我们实现关键的业务逻辑，不需要太牛逼的模式设计，你做的再好能有在工程领域浸淫好几年的工程团队打的框架好吗。理论算法工程师就更务虚一些，干好自己的一亩三分地，发发 paper ，打打榜，给前者提供下 base model ，所以前者在大厂里占了绝大部分。
4. 对于你说的其他部分比如网络，服务器之类的。全看算法工程师个人爱好了。精力有限又确实用不上。

买啊，除了电子产品，还买了摩托、公路车、乐高。

离谱，这原来是 bug 吗？我每次连 mac 就是 50%音量，换成 iphone 就正常。一直以为是我自己哪里设置不对。

@paouke 是自驾，川西沿路景点间隔较远，车是必备的，开自己的或是租辆车。川西烂路算少的了，大部分情况都可以放心开。有些景点开发不完全，开车得小心些。

去年国庆去的川西小环线，保暖三合一冲锋衣就够了。从成都出发玩了 5 天，打卡了大部分网红景点，期间仅下过两次雨，时间都很短。

用 conda ， 我试了下，可以安装 x86 版本 python
conda create -n my_x86_env -y
conda activate my_x86_env
conda config --env --set subdir osx-64
conda install python=3.10
file $(which python)
/opt/miniconda3/envs/my_x86_env/bin/python: Mach-O 64-bit executable x86_64

cmljYXJkb194eUBvdXRsb29rLmNvbQ==
支持~

1. 设置里去掉鼠标加速
2. 能用 2.5G 接收器就用接收器，我的鼠标 3 模的，对比接收器和蓝牙，接收器一直很稳。蓝牙看运气，有时候总感觉慢半拍，有时候又和接收器没区别。

ever play +1

6 ，详略得当。技术发展真是快呀，CNN,、RNN 、LSTM ，Word2Vec 这些技术已经几乎湮灭在历史长河中，不值一提了。

感觉这样的公司也没有名气，也没有资金和规模 > OP 说错了，月之暗面应该是到目前为止在中国 LLM 领域融资规模最大的初创公司

月之暗面，创始人杨植麟圈内很知名，导师是个顶个的牛逼，这个是深度学习奠基人，那个是谷歌首席科学家，自身科研能力也极强，他的 transformers-XL ，XLNet 大部分 NLP 从业者都看过。

@shuling 真壕，本地开发机也给配 4090 的嘛

不错，插件系统适合我这种懒人。
让我想起了曾经的 HaperApp ，作品思路类似，可惜已经下架了。

@shinsekai 机器学习可以先不看，先看深度学习。啥时候闲下来再往回补，机器学习的各种经典算法大模型基本不用

javdb, javbus 影片信息刮削 =。=

我现在是方案一，桌面上分别是 windows 游戏本，MBP ，显示器。键鼠+显示器接在同一个扩展坞下，想玩游戏就连到 win 本。开发就切回 MBP

想极致省不如试试 pdd m1 pro 过保教育版，8400 左右，也算全新。

apple 配置考虑优先级：内存 > SSD > CPU
CPU 性能，m1 pro 就可以了。顶配最新版不值得。