一亩三分地

 找回密码 注册账号

扫描二维码登录本站


Salarytics=Salary Analytics
查询工资数据
系统自动计算每年收入

码农求职神器Triplebyte
不用海投
内推多家公司面试

科技公司如何
用数据分析驱动产品开发
coupon code 250off 立减$250

深入浅出AB Test
从入门到精通
coupon code 250off 立减$250
游戏初创公司招聘工程师、UIUX Designer和游戏策划
坐标湾区
DreamCraft创始团队
招聘游戏开发工程师
查看: 5790|回复: 46
收起左侧

EE/半导体背景phd转行ML以及跳槽经历分享

    [复制链接] |试试Instant~
我的人缘0

分享帖子到朋友圈
本楼: 👍   100% (12)
 
 
0% (0)   👎
全局: 👍   96% (48)
 
 
4% (2)    👎

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看,没有帐号?注册账号

x
第一次在地里发帖,希望能够回馈地里,同时也把我转行的一点经历分享给大家

=====================背景介绍=========================
本科和phd都是国内读的,phd毕业后来美国2年postdoc+2年industry工作。phd/postdoc主要做nano fabrication/photovoltaic/semiconductor process相关,是EE里很偏物理的方向(从小喜欢物理)。Postdoc期间感觉到纯academic path的不易以及对industry获得了更多的了解,抓紧办了eb1a绿卡,拿到卡后不久就跳到了industry,在弯曲的一家semiconductor的startup做cleanroom process。

这里给和我相似经历的同学一条建议,尤其是想转行的phd/postdoc:若短期内无确定的回国打算,一定提早搞定身份,无论以后走学术还是业界,提早规划。我身边有不少postdoc同学,学术背景都很强,但都不着急弄身份,这样时间一晃就过去了,而且移民形势变来变去,到后面就比较被动。但这一条不一定适用所有人,仅供参考。

====================转行================================
在startup做了不到一年,公司倒闭了,重新进入找工阶段。两个月后找到了弯曲另外一家小型硬件公司的职位,还是做semiconductor process相关。彼时更加深刻的感受到了不同行业间巨大的差异,尤其在弯曲,CS对其它行业的碾压让我印象深刻,我也萌生了转行的想法。
新公司也正在扩展ML/AI方向的新业务,由于传统的半导体行业懂ML的很少,所以公司从内部选了一些人进行培训,我运气不错刚进去没多久就被选上了。

培训只是个引子,想转行还是需要持续的自我学习。我开始自学python,上coursera的课,看统计/ML的书;工作上开始利用学到的技能prototype ML model,写code,设计算法,慢慢的也获得了一些成果,为公司/客户创造了value。由于在ML业务方面的贡献比较大,我也不再做硬件相关的工作了,基本上完成了从硬到软的过渡。这里可能归功于新公司规模小,内部很flexible+当时的老板人nice,所以我的职能转变没有遇到太大阻力,但我觉得主要原因还是我让公司看到了我在ML业务上更大的价值,才获得了双赢的结局。

新公司待了一年多准备跳槽,目标主要是大厂ML相关职位。我从今年3月份开始集中准备面试,包括刷题(lc 300道左右)和ML知识(Coursera课,ESL书,DL书等等),5月下旬开始投简历,到7月底得到结果,具体过程见下面“找工经历”。

这里有一点自己的体会和心得:转行过程也是一个检测你是否足够喜欢新行业的过程。单纯说喜欢某某行业会比较虚,你喜欢的肯定是它带给你的东西:钱,地位,社会认同感,他人崇拜感,自我价值实现,纯粹的脑力测试 等等。与其纠结是否适合转行/转行对不对/转行来不来得及,不如问自己想要上述哪些项,再收集相应的信息,根据足够的信息权衡自己的判断。当然有些信息获取是立等可取的(比如钱,参考地里抖包袱版),有些是循序渐进的(比如自我价值实现,需要长时间身处其中去感受),不过并不妨碍你去尝试,不试你怎么知道。

另外分享给理工科背景转ML同学的一点感受:如果想转ML/AI track,数学是基础(线性代数,统计概率论),coding是工具,algorithm/数据结构是衔接的桥梁。准备面试的话不要把所有精力放在刷题,ML基础以及对实际问题的建模能力也很重要。

写的比较笼统,欢迎有问题的朋友留言。

=====================本次找工经历===========================
投简历主要靠地里内推和熟人推荐,没有海投,前前后后投了20+公司,大约收到40%回复,命中率还是挺高的,再次感谢地里各位朋友的相助,同时建议正在找工作的同学,尽可能地寻找内推,大部分国人(尤其地里的同学)还是很热心的。

Timeline:
这次提前规划了时间线,尽量把面试时间都集中在了一个月内:
5月下旬开始陆续投简历 -- 6月上旬电面 -- 6月下旬/7月初 onsite -- 7月中旬 得知结果

Result:
简历挂/电面挂:
苹果 DS,面了3论最后说不合适
Uber DS,HR挂
Gopro DS,HR挂
谷歌 DS,简历据

Onsite挂:
游客,本帖隐藏的内容需要积分高于 20 才可浏览,您当前积分为 0。
查看如何攒积分 Click here for more info.




评分

参与人数 35大米 +121 收起 理由
Jie0826 + 2 很有用的信息!
zhongyujun222 + 1 给你点个赞!
littleprayer + 2 给你点个赞!
amigniox + 2 给你点个赞!
Jackie2931 + 1 很有用的信息!
balalalala + 1 赞一个
kiwigu + 1 赞一个
park02 + 20
今天夏至 + 1 给你点个赞!
Jason111 + 1 赞一个

查看全部评分

我的人缘0
本楼: 👍   100% (2)
 
 
0% (0)   👎
全局: 👍   96% (48)
 
 
4% (2)    👎
Philosophie 发表于 2019/08/25 03:39:38
我是EE在读,还不够eb1a的条件呢……请问下楼主的paper、citation数量?申eb1a花了多久?您做了这么多年硬件转码有没有心理斗争?有人老拿你学了这么多年,过去沉没成本太高之类的原因劝人不...

我当时大概是10+paper,150+引用,review 50+。主要是phd期间的工作,运气比较好在TSC,直接加急一周后批的140。从准备到批准大概半年时间左右,包括前期调研,找律师,找推荐信(最花时间),准备各种材料等等。不同专业的bar是不一样的,建议你和律师好好聊聊,看看哪种策略最好。

你的第二个问题我觉得因人而异吧,斗争一开始肯定都有,但重要的尽快上手去试,试一阵后想法就更加清晰了。现在我感觉是,各行各业都会或多或少涉足ML/data science,很多传统职位现在都需要ML/数据分析/coding要求,这既是大趋势又是好机会。另外你是学生的话转行成本更低,你权当学习了一门新技能,以后毕业即使想去其他行业,你也会更有竞争力,路越走越宽。反之如果你在尝试过程中发现自己实在不合适,也不是坏事,以后你能心无旁骛去走其他track。

评分

参与人数 3大米 +4 收起 理由
MountainYan + 1 很有用的信息!
Philosophie + 2 感谢分享!
KitKatL + 1 赞一个

查看全部评分

回复

使用道具 举报

我的人缘0
本楼: 👍   100% (2)
 
 
0% (0)   👎
全局: 👍   96% (48)
 
 
4% (2)    👎
nsc 发表于 2019/08/25 06:13:05


lz这machine learning全是自学吗 有没有心得分享下?

我是先看coursera上Andrew Ng 的ML和DL系列的课程,完成后又读了Ian的deep learning的书,从数学角度对ML概念加深理解。经典算法都会上手coding实现一下,复杂些的也会弄点数据建个model调参玩一下。

工作方面遇到新的algorithm我都会去读一下相应的资料弄清概念,资料包括paper,视频,会议slides,中英文论坛文章等。不同人不同喜好,我的偏好是中英文文论坛 —》slides/视频—〉paper,主要是为了快速理解并上手。现在互联网发达,想要的信息网上都能搜到。


评分

参与人数 1大米 +3 收起 理由
nsc + 3 给你点个赞!

查看全部评分

回复

使用道具 举报

我的人缘0
本楼: 👍   100% (5)
 
 
0% (0)   👎
全局: 👍   96% (48)
 
 
4% (2)    👎
kitliu5 发表于 2019/08/25 07:28:23
谢谢lz分享,我也是读材料本硕期间学了很多统计和ML的课,现在在一家半导体公司做ML/DS
目前做的方向算是在自己的domain里做ML,能创造些价值还是很不错的,但是最近也在考虑换工作了,认真学习...

我的感受是:面试尤其onsite,相比于你之前做过的项目经历,面试官更感兴趣的是你这个人本身。条理清晰,逻辑准确,态度不卑不亢,反应迅速,这些更为关键,至于之前做的项目是否fancy是否200%match,如果他真的care这些就不会让你来onsite了

当然上述说法不绝对的,因公司而异。个人感觉互联网大厂更注重你个人本身(你的潜力/学习能力/聪明与否),反而是一些小厂或者非互联网的ML职位面试会纠结细节(某个 model你以前用没用过,某个术语你听没听说过),个人取舍就见仁见智了。

评分

参与人数 1大米 +2 收起 理由
Terminator-6 + 2 给你点个赞!

查看全部评分

回复

使用道具 举报

我的人缘0
本楼: 👍   100% (2)
 
 
0% (0)   👎
全局: 👍   87% (449)
 
 
12% (64)    👎
楼主拿绿卡很快啊
回复

使用道具 举报

我的人缘0
bluebaby618 2019-8-26 00:33:07 | 显示全部楼层
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   100% (5)
 
 
0% (0)    👎
这个跨界转行真的非常不容易。恭喜恭喜!
回复

使用道具 举报

我的人缘0
anne3240 2019-8-25 23:53:32 | 显示全部楼层
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   100% (2)
 
 
0% (0)    👎
非常感谢分享!!!
回复

使用道具 举报

我的人缘0
bitcpf 2019-8-25 23:08:05 | 显示全部楼层
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   99% (204)
 
 
0% (2)    👎
👍vision和执行力。。。
回复

使用道具 举报

我的人缘0
charlieyan 2019-8-25 19:30:03 | 显示全部楼层
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   100% (21)
 
 
0% (0)    👎
谢谢楼主,非常有用的信息!感觉只要有心,什么事都可以做到。能分享一些ML面试的面经吗?比如问过什么ML和ML design的问题?
回复

使用道具 举报

我的人缘0
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   96% (48)
 
 
4% (2)    👎
daiweiran 发表于 2019/08/25 06:47:11
楼主很幸运,我现在半导体公司,没机会做CS相关工作

是的,我知道很多半导体厂做process的朋友每天都在cleanroom根本没时间。但如果有机会的话,可以从数据处理做起,学一门coding做data analysis/manipulation,逐渐往ML/DS上靠,这样工作中用到coding提升熟练度。另外就是工作以外的时间学习了。
回复

使用道具 举报

我的人缘0
kitliu5 2019-8-25 07:28:23 | 显示全部楼层
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   100% (2)
 
 
0% (0)    👎
谢谢lz分享,我也是读材料本硕期间学了很多统计和ML的课,现在在一家半导体公司做ML/DS
目前做的方向算是在自己的domain里做ML,能创造些价值还是很不错的,但是最近也在考虑换工作了,认真学习中。。。
想问一下楼主面试介绍自己工作经历有什么侧重点?我觉得半导体这个space里ML应用比较少,讲太specific的问题别人不一定感兴趣,求指导!谢啦~
回复

使用道具 举报

我的人缘0
Philosophie 2019-8-25 03:39:38 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   100% (49)
 
 
0% (0)    👎
我是EE在读,还不够eb1a的条件呢……请问下楼主的paper、citation数量?申eb1a花了多久?您做了这么多年硬件转码有没有心理斗争?有人老拿你学了这么多年,过去沉没成本太高之类的原因劝人不要转码……
回复

使用道具 举报

我的人缘0
pengzhao0524 2019-8-25 03:39:49 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   80% (8)
 
 
20% (2)    👎
好帖子!!我和您的情况有点儿相似。希望我也能早日转行/跳槽成功。谢谢分享!
回复

使用道具 举报

我的人缘0
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   96% (48)
 
 
4% (2)    👎
pengzhao0524 发表于 2019/08/25 03:39:49
好帖子!!我和您的情况有点儿相似。希望我也能早日转行/跳槽成功。谢谢分享!

加油,欢迎一起交流!
回复

使用道具 举报

我的人缘0
QueenieV 2019-8-25 05:40:39 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   85% (228)
 
 
14% (40)    👎
xxxholic0511 发表于 2019-8-25 04:06
我当时大概是10+paper,150+引用,review 50+。主要是phd期间的工作,运气比较好在TSC,直接加急一周后批 ...

非常感谢楼主的分享!
回复

使用道具 举报

我的人缘0
nsc 2019-8-25 06:13:05 | 显示全部楼层
本楼: 👍   100% (1)
 
 
0% (0)   👎
全局: 👍   88% (102)
 
 
11% (13)    👎
xxxholic0511 发表于 2019-8-25 04:06
我当时大概是10+paper,150+引用,review 50+。主要是phd期间的工作,运气比较好在TSC,直接加急一周后批 ...

lz这machine learning全是自学吗 有没有心得分享下?
回复

使用道具 举报

我的人缘0
daiweiran 2019-8-25 06:47:11 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   100% (19)
 
 
0% (0)    👎
楼主很幸运,我现在半导体公司,没机会做CS相关工作
回复

使用道具 举报

我的人缘0
mangguoyaya 2019-8-25 06:59:52 | 显示全部楼层
本楼: 👍   0% (0)
 
 
0% (0)   👎
全局: 👍   100% (8)
 
 
0% (0)    👎
mark一下。恭喜楼主。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号

本版积分规则

提醒:发帖可以选择内容隐藏,部分板块支持匿名发帖。请认真读完以下全部说明:

■隐藏内容方法 - 不要多加空格: [hide=200]你想要隐藏的内容比如面经[/hide]
■意思是:用户积分低于200则看不到被隐藏的内容
■可以自行设置积分值,不建议太高(200以上太多人看不到),也不建议太低(那就没必要隐藏了)
■建议只隐藏关键内容,比如具体的面试题目、涉及隐私的信息,大部分内容没必要隐藏。
■微信/QQ/电子邮件等,为防止将来被骚扰甚至人肉,以论坛私信方式发给对方最安全。
■匿名发帖的板块和方法:http://www.1point3acres.com/bbs/thread-405991-1-1.html

手机版||一亩三分地

GMT+8, 2019-9-22 13:57

Powered by Discuz! X3

© 2001-2013 Comsenz Inc. Design By HUXTeam

快速回复 返回顶部 返回列表