为什么大家都喜欢diss FB的data scientist？

这绝对是误解，make impact的DS都是做product analytics，另外FB的DS很多都是大牛

cutekitty 发表于 2020-1-7 20:59
那帮在FB叫research scientist，不是DS……之前一个FB recruiter跟我聊过，FB DS的确就是跑跑SAS和R做点an ...

. From 1point 3acres bbs好像没听说FB有用SAS的。。。用python的倒是不少

说句不好听的，有种风气就是工作越技术越觉得自己站在鄙视链最高端，而不是business impact越大。反正我心里fb ds analytics吊打什么不知名二线公司的ml engineer。

本水校小硕现在在一家Startup做DS，做的也是ML相关，做的很开心，analyst有别的岗位做。 现在也不知道接下来的职业规划是去FB这样的大厂做DS，analytics还是去小点的做ML，algorithm方向的，还是去读个phd？之前有拿过phd offer然后因为找到工作了就decline了。求大牛指点指点！

没有听说过这个鄙视链 以及好奇是哪类人群提出的。除非是cs的能走mle方向（大厂一般放在sde下面）或者phd能做research，大多数data的 master program出来能进FB做产品已经算很好的去处了吧。我学data的，我们听到谁进了FB都是 “哇～～～”。

cutekitty 发表于 2020-1-8 05:20
估计是，这哥们连pyspark 是啥都不知道，听到我用pyspark，就把我给拒了😂

我也没用过pyspark求应用场景～～求分享

不管是啥scientist，既然叫科学家，他的职责应该是做科研，咱们随便搜一下科研的定义：
''一般是指利用科研手段和装备，为了认识客观事物的内在本质和运动规律而进行的调查研究、实验、试制等一系列的活动，为创造发明新产品和新技术提供理论依据。科学研究的基本任务就是探索、认识未知。"

我觉得这其中最重要的是“为创造发明新产品和新技术提供理论依据”， 注意是为XXXX提供理论依据，而不是创造新产品和新技术，前者是科学家，后者是工程师。

而我呆过的公司确实是叫scientist 的人提供的都是理论，他们每天的工作是看新paper，了解最前沿的学术界科研成果，把这些学术理论转化成工业界可落地的理论。

而他们出来一个理论依据之后，并且轻量级验证可行，则去配合工程师去把样板产品做出来，一次次的矫正到满意之后，真正的上产品线扩大化去生产，最终落地到换成利益。

所以楼主说的这些，不是说FB，而是任何一个地方这都不应该 叫  “”科学家“”，这真的是工程师或者分析师的工作。

最后举个例子，学术界出来了一套推荐算法理论，A公司的科学家小组 把这个理论吃透，懂了原理，然后他们根据自己公司的业务场景，把这个理论定制一下，定义初步需要的数据种类和体量，公司花钱找请一些被观察者来专门收集他们的数据，用这个小数据集来验证他们的初步模型，几番矫正之后，科学家和工程师团队合作，做出beta测试版产品原型，开放给一小部分客户，然后更大量的收集数据，继续调整模型，然后新模型和旧模型分两组客户 做AB test看效果，这其中主要是 工程师做产品，分析师 分析结果看来新旧哪个更好 , 然后科学家反思怎么继续调整更好。如此反复很多次，达到一个科学家认为达标，开始推广到全面产品线使用， 然后即使产品N年了，只要公司还希望提高准确度，愿意砸钱，那么这个流程还会重复，一直提升。然后科学家 根据这期间所做的所有工作记录和数据支持，来把他们的成果写成paper发表，当然一般以公司名义发表，或者作为公司财产把这个成果保留起来，那些都是公司决定了，但是要整理成论文

以上是我经历过的公司，和理解的这几个职位的区别，当然肯定不全面，如果理解不同，欢迎指正

ql2 发表于 2020-1-16 09:27
好像也看组吧？有的组DS类似AS，有的组DS是BIE改title来的 干的就还是差不多BIE的活。

没听说过改title的，一般team里既有BIE也有DS，因为薪资是不一样的，不会只改一部分人的title而不改其他的。

yyy77 发表于 2020-1-16 17:04
说句不好听的，有种风气就是工作越技术越觉得自己站在鄙视链最高端，而不是business impact越大。反正我 ...

说的太对了啊 真实经历se/ml engineer鄙视ds 说你们ds不就画slides搞excel嘛。。。