有想从SWE转DS的吗？

八年经验DS，建议转MLE。DS水太混，很多项目成果不好量化。很多时候结果好只是数据够多，框架都稳，以后不管azure AWS GCP 的AutoML好了基本挂一大票人。今年老板**非要引进一套data robot感觉这行卷都卷的很low。

老SDE谈谈体会：完全能理解LZ的感受，我上学的时候也喜欢纯数理的东西，但是觉得自己没有天赋去突破人类智慧边界，性格也耐不住寂寞，所以走了engineering这条路。你对engineering的评论我在大方向上赞同，但细节上还是有些不一样的看法。

> 刚入职要看大量的doc，接触一大堆新鲜的概念。那时我就觉得，这么多概念好烦，有没有什么提纲挈领的理论性的东西，学会了之后这些乱七八糟的概念都可以从理论推导出来？当然没有这种东西。不管是API设计还是server运维，甚至深入到硬件层面，所有的东西都是人为design出来的。It's all about trade-offs and best practices.
这些概念背后本质上的principle和tradeoff其实就那几个，核心还是非常内聚的，best practice是为了实践方便进行的偏特化，LZ作为化学专业其实应该很有体会。。。

> 我有一个浅薄的理解，很大一部分现代的Software Engineering之所以被发展起来就是因为我们造不出单个强大的计算单元，所以就得发展出一套在各种level上并行计算的手段。
需求会永远走在计算能力前面，到时候会有新形式的工程手段来榨取计算能力。我觉得这两个之间的关系并不是本质和皮毛，而是像引擎和传动，是两个完全不同的学问，各自有各自的本质。

> 这在我看来就是一个trade-off，和本质的东西差的太远。
日常写代码确实不涉及本质，但是你刚才说的并行计算这些还是要考虑信息论的本质，数据流的本质，算法的本质等等。也可以把子系统设计和整个系统的最终运行效能类比成蛋白质折叠问题，which is chaotic but fascinating in a different way。

> 我那时就发现engineering和science一个本质性的不同。Engineering是经验性的学问。你经验多，知道怎么设计API能既减少maintenance cost又能满足各种client需要，那就听你的，或者听所谓的best practices的。关键这些best practices并不是永恒不变的。当Software Engineering的大环境变了，比如说过个十年，出现了很多新硬件新技术，很多best practices都要变。
此外engineering的一大乐趣在于play with design patterns and paradigms，这并不必须是经验性的，像我这样的普通人可能只能从历史学习经验吸取教训，但也不乏牛人能预测和解决未来的问题，引领工程思想的进化。

Again，说这些不是为了反驳LZ，我非常能理解LZ或者任何人觉得engineering烦，我只是想分享下我对engineering的看法。

十分不建议转ds，ds这一行你进去之后就会发现大部分都在凑数据，根本没有什么严谨性，90%的时间都是在洗样本，面对各种乱七八糟的数据集，至于建模的那一块，大厂里不是ds做的，mle会涉及一些，mls可能是专门做这个的，这一块需要非常多的统计学和数学知识，不知道您在这方面的积累如何，如果还没有cs多，那可能进去之后更不舒服。

另外，想问下您觉得自己在cs知识上的欠缺主要是什么？我认识一些狗家做infra的，感觉他们工作都相当清闲，而且技术水平也不高，很多基本的os层面的问题都从来没听过，所以压力应该不是很大。

DS的上升通道比SDE窄的多，而且analytics你做出来的结论被实际应用的机会也小。或许楼主做DS之后会感觉更不喜欢....
我是对DS行业失望了才转到SDE。DS的product方向最往上跑也就是FB Airbnb这些吧，还要求工作经验。而这些大厂的SDE机会更多工作内容更有意思。ML方向不是相关PhD很难有机会。

趁着职业早期年轻多尝试尝试，找到自己喜欢的。

感觉楼主更喜欢结构化有数理理论支撑的工作。不建议DS因为很大部分DS工作其实很杂也没有那么严谨很多是adhoc的需求。感觉research/applied scientst或者mle也许更合适。

内部找机会换个mle组就好了

L咩 发表于 2020-12-15 12:06:44
哇！我也是纯数学专业的，但是就是个本科，一直做的普通backend swe，想转mle。你的工作看起来好棒啊。请问面试的时候需不需要有做过比较大的ml project的经历？还是也是只考算法

在google面试的话因为职位还是swe，所以面试内容还是leetcode题，只是teammate的时候因为有数学背景就有几个广告组的manager联系，所以自然而然到这个租了。Facebook的mle面试全职时会有一个session是关于ml的（不过也是很笼统的那种，设计一个recommender system之类的），其他的都还是算法。

两年DS经验 现在正在刷题想转MLE  感觉你对DS有很深的误解

我似乎能理解楼主的困惑。。。

我博士是做计算流体力学的，毕业后做过本行计算流体力学软件开发， 虽然也是写科学计算软件，但总觉得不是一个swe，对swe的工作有些好奇和向往，又鉴于觉得年轻想折腾，就跳去了一个软件厂。
但是去了之后非常失望，因为发现根本不需要什么数学物理知识，只是做纯software，functionality/API level的东西（没有什么歧视的意思，只是觉得和自己的期望和背景有点差距），感觉自己那么多年的东西都没用。。。
就跳回到一家做科学计算软件的公司了，虽然不是做phd本行，但是科学计算软件底层的数值计算都是相似的。

鉴于楼主的计算化学phd+swe的背景，我觉得楼主去做科学计算软件能从工作中找到更多的满足感和意义。无人车/自动驾驶，MLE，computer aided engineering 等等。好像有的药厂做计算化学待遇也很好。

楼主可以尝试一下ranking相关的ENG Team，相信可能会在你现在的基础上多一点数理模型的感觉，不过也许也会失望因为majority time也是在清洗数据喂给定义好的系统。但是也许大公司就是这样吧，每个人都是系统的小小螺丝钉，而公司也是赚钱高效作为主要考虑因素而不是员工觉得有意思，fulfilled。
我觉得从个人感觉来说，Google DS谈什么未来不确定性，失业还是比较远的，升职也有自己定义好的路，DS也有自己的L6，L7， Director等，SWE也有自己的L6，L7，Director等，当然你说你的目标是CTO那确实DS好像没有看到这个选项（但我感觉不在我自己的的认知范围内了，我觉得不用太太考虑这个，而且等十年二十年后会有什么变化也不知道）