上季度我走完了 Bain 的 MLE loop。申请的是他们 Advanced Analytics team，会做客户项目里的真实 ML，不只是做 dashboard。下面是比较真实的复盘。
这个岗位到底是什么：咨询公司的 MLE 和产品公司的 MLE 不一样。你不会长期无限期地拥有一个线上模型。你是为某个客户项目在 6-12 个月内做模型，然后可能换一个客户再重做另一个模型。如果你想三年都在一个推荐系统上死磕延迟优化，这里不适合。但如果你想要广度和多样性，这个挺有意思。
整个 loop（共 5 轮）： Recruiter screen：30 分钟。主要是匹配度和背景。她问我做过哪些 domain，我感觉他们会尽量把候选人匹配到相关的 practice。 ML fundamentals：60 分钟，对面是一个 senior data scientist。聊了 bias-variance tradeoff、cross-validation 的坑、feature importance vs. SHAP values，还有一个题是：在某个客户数据集里 oversampling 不合适时，怎么处理 class imbalance。都是正经问题，不是 trivia。 Case + ML design：这轮很「咨询」。场景是：一个零售客户想预测哪些门店下季度会表现不佳。让我讲思路。我是这么结构的：定义预测目标，考虑数据可用性，选一个模型家族并解释为什么（他们对 tabular data + 可解释性需求下用 gradient boosting 而不是神经网络很满意），聊评估指标，再到部署和监控。关键是把每个技术选择都跟客户实际需求挂钩。 Coding：Python。一道数据清洗（pandas，乱的 datetime 列，不同 schema 的重复数据）。一道算法题，本质是图遍历，只是披了供应链的皮。中等难度，不考 DP。 Behavioral：标准 senior behavioral 问题，外加「你怎么向期待 yes/no 答案的客户解释模型不确定性」。这题要有真答案。
senior MLE 在 Boston 的薪资：我的 offer 大概是 $155k base，加他们说的 performance bonus，听起来上限还挺可观。没有大厂那种 RSU 钱，但也不是小钱。