在amazon推动项目进展的奇技淫巧

最少从SDE的角度，亚麻的design review就是找几个解决方案，自选一个自认为的当前最优解，然后问谁赞成谁反对。

小会大事，大会小事

匿名用户 发表于 2026-01-05 07:07:12
作为as的标准写的就应该是 production level code，然后 engineer直接丝滑deploy，不知道你们组合作的 vibe ，但我觉得没到

那你们可能central science 的AS可能还solid点。我们组之前L7下面有AS，他们经常就是自己拿一些非常小的数据用colab或者jupyter 用个市面上比较常见的model，然后跑跑weblab，用一些很bias的方法说model效果好去向上面证明用这个新model。结果就让我们engineer 快速把e2e的把etl搭好，然后inference service 给搭好，然后在sagemaker 把他们只写了toy model (loss function 和feature的选择加上一些最基本的RL/supervised learning的框架，如果用dl很多最后hyper parameter都是我们帮调的)的script 给改成production code，把所有test 给写好，这样他们就很容易添加新的feature 去验证。最后如果production ，这个model效果好，基本功劳全是他们的，他们很快升职，如果model效果不好，锅全是我们哪里哪里没做好，最后可能做了一年东西也launch 不成。但这么多年合作，大概率是model效果一般，也没和老model有本质区别，但最后美化下数据还是launch 了，但可能这个model training 和整体infra太烧钱了，第二年又做了个新的轻量的，然后循环往复。

匿名用户 发表于 2026-01-05 07:47:48
那你们可能central science 的AS可能还solid点。我们组之前L7下面有AS，他们经常就是自己拿一些非常小的数据用colab或者jupyter

听上去确实需要做的东西很少….我听完都想加工资了…我感觉 central science 的坏处就是大家卷的 bar 很高，但是工资又不加。

匿名用户 发表于 2026-01-05 07:47:48
那你们可能central science 的AS可能还solid点。我们组之前L7下面有AS，他们经常就是自己拿一些非常小的数据用colab或者jupyter

Jupyter Notebook 和 Collab感觉只是我们的第一步，之后还会把所有的 model code 和 pull data 的 PySpark写成 production level repo，然后还要做各种分析，全方位 test，还要写hld，lld。

匿名用户 发表于 2026-01-05 07:47:48
那你们可能central science 的AS可能还solid点。我们组之前L7下面有AS，他们经常就是自己拿一些非常小的数据用colab或者jupyter

这位兄弟 我就是你说的这个科学家 我们工作不容易好伐？ weblab 是那么容易开始的吗？ 设置启动那是几天的工作量？

匿名用户 发表于 2026-01-04 21:37:10
谢谢分享。请问这类项目的scope如何？比如团队有多少人、周期多长、目标听众是否为公司高管？

团队可能 science 出一到两个人，大的项目，可能三个。 Engineer 出 1~3 个，周期一般是大半年左右吧。目前我直接对接的听众是 TPM，我的老板和 Engineer 的老板，再往上， TPM 的老板 L8 一般不会直接参加我的会。

匿名用户 发表于 2026-01-05 08:10:40
. ----Jupyter Notebook 和 Collab感觉只是我们的第一步，之后还会把所有的 model code 和 pull data 的 PySpark写成

ETL都是我们engineer做的，我记得当年写到半道公司要强行我们升级Scala和Spark，最后很多api不兼容，然后上面催的要命

匿名用户 发表于 2026-01-05 08:11:40
这位兄弟 我就是你说的这个科学家 我们工作不容易好伐？ weblab 是那么容易开始的吗？ 设置启动那是几天的工作量？

但轮到engineer 了后，weblab 可能就是几个sprint point了

求米啊家人们！想看面经，还差44颗大米😢！谢谢谢谢🙏🙏🙏