Один опытный MLE на Reddit поделился советом: чтобы войти в верхние 5–10% специалистов, нужно не просто «прокачивать кодинг», а глубоко понимать, что именно и как учат ваши модели.

Он привёл пример из своей практики: изменив целевую функцию у ранжирующей модели (вместо стандартного sigmoid cross-entropy loss добавил лог-преобразование и Huber loss), добился прироста более $40 000 000 выручки в год. Изменения были простыми, но критическим оказалось именно понимание, что стандартная функция создаёт смещение в пользу «сильных» категорий и плохо работает на «слабых».

Главный вывод реддитора: топ-уровневые MLE не полагаются на чужие предположения. Они разбираются, что происходит внутри модели, глубоко анализируют слабые места и только потом меняют формулировку задачи.