3年在职SDE转MLE，就这？？？

我在Amazon做了3年SDE，在一家公司呆3年是什么感觉？

在详细了解我的背景后，加上我的基础还可以，导师为我量身制定了一个为期6个月的转型计划~

✅前3个月：基础铺垫—主要补充MLE的理论基础。

✅第4、5个月：背景提升—简历中缺少MLE相关项目，需要进行项目实战。

✅最后一个月则把所有精力集中到面试准备上！

顺带提一下，课程制定特别灵活，可以随时根据我的时间修改，毕竟我还是个在职牛马，没有太多时间用来上课。

在进行为期几个月的MLE基础理论铺垫后，M老师说现在的我完全可以和他上手项目了！

就这样，我们开始做多模态大语言模型优化与部署的项目，能感受到M老师对ML领域的理解很深，刚开始做项目还跟不上思路，M老师不厌其烦讲解。

“这么做下来，既能用到你的分布式系统经验，又能展示深度学习的专业能力。”

项目初期我就遇到了第一个挑战：如何在保证模型性能的同时提升推理速度？

求助后，M老师带我深入研究了各种优化技术，当我成功将推理速度提升了3.5倍时，老师说现在还不能高兴太早。

老师带我进一步考虑分布式场景，把我在Amazon积累的经验都用上了，这样做既能不浪费以往的经验，还加入创新，要不说还得是大厂出来的，专业！

后续优化项目时，又带我设计了一个适应性分片策略，利用DeepSpeed和FSDP在AWS和Azure集群上实现高效的多GPU训练。

在此过程中，老师还不断提醒我注意细节：在分布式环境中，模型分片策略直接影响到整体性能，要考虑到网络带宽、显存使用等多个因素！看看我的项目成果👇~

陆陆续续收到很多中小公司的面试，很多小公司准备起来没头绪，教务老师就帮我搜寻面试官消息、整理高频题目，后续面试的发挥也是有好有坏，直到我拿到了Google的面试！

一点不夸张，刚收到消息的时候还挺紧张的，毕竟是转行后拿的第一个大厂面邀。最后还是教务老师push最近的进展，我才想起来告诉他们这个消息。

收到一波恭喜后，M老师找到我，进行了一次模拟面试。猝不及防的mock让我什么都来不及准备，面试漏洞百出。不过老师安慰我，这是好事，把踩坑都留在练习场，及时找出问题才能规避掉。

mock中老师对我的问题重点分析，并教我面对一些问题时，该怎么回答。

我也终于了解到，在项目后期，老师带我着重优化模型服务架构，教我如何使用gRPC和FastAPI构建API层，通过Triton Inference Server实现高效模型服务的用意，为了让一切都有迹可循！

因为在面试中，面试官不仅关心你做了什么，更关心你为什么这么做，每个技术选择背后都要有充分的理由。

经过这次mock，我自信心明显提升。在Google的面试中，当我说到【如何通过模型量化和分布式推理优化性能时】，明显感觉到面试官眼前一亮！

五轮面试下来，感觉比想象中的顺利。没过多久就收到了Google MLE的OFFER，到现在我还是不太敢相信，就这么，转型成功了？

回顾这段经历，如果没有直通硅谷，靠我个人的力量很难转型成功。因此也想给同样转型的朋友一些建议：专业导师很重要，真的能帮你少走弯路！

从路线规划到基础理论铺垫，从项目架构设计到性能优化，从模拟训练到实战应用，直通硅谷带我走的每一步都至关重要。

如果你也在考虑转型MLE，不妨先和专业导师聊聊，找准自己的优势和突破口，相信通过正确的规划和努力，你也一定能实现自己的目标！