我为什么决定要从data scientist转machine learning engineer/software engineer

以下是我的反思总结和计划，欢迎share你的想法一起讨论～顺便求加米求鼓励！
————————————————
从昨天晚上和朋友打完电话到现在，一直在想这个问题。data scientist做的好好的，为什么想不开要转岗？

我是一个天然的pm和leader性格，沟通能力不错，靠谱，时间观念强，做事条理清晰，执行力强，擅长团队合作，不怕处理麻烦棘手不确定的事情，有创造力，点子多头脑灵活，这些都是优点。
缺点也很明显：三分热度，不喜欢重复性工作，不喜欢做没有impact的事情，不喜欢和不聪明的人打交道😂

目前ds工作当中非常frustrating的地方：
manager几乎完全不懂ds，给不了我啥有意思的projects；我们组做internal support，没啥ownership；职业初期的我需要更强的technical support和清晰的规划，目前的team给不了我；data都在别的组的数据库，重要的projects别的组自己就承包了，轮不到我，努力试过去争取，没成。

我为啥之前抗拒mle/sde：
怂，对自己没信心；每次遇到可以用coding解决的问题都鸡贼地绕过去了，以至于越绕越怕；把coding想象地太可怕了，洪水猛兽一样😂；私以为写code不如和customer直接打交道impact更高（当然后来意识到不一定是这样的）；担心做mle不能发挥自己的优势。

我为啥现在要转岗mle/sde：
ds慢慢也会对coding要求越来越高，对能否落地要求越来越高；mle工资更高（反正都是一天八小时，为啥不做单位时间内赚钱更多的嘛）；科技行业鄙视链很真实地反映了究竟哪种岗位对business更重要，既然选择了在科技行业工作，就要站在核心业务+鄙视链的上游（对于所有行业都是这样，就像在金融公司做码农大概率不如在科技公司做的爽&受重视程度高）。

目前计划：

再花一周时间改简历，story telling（15 hours）；
data manipulation (pandas, numpy, 20 hours) python (basic, oop，10 hours)；
leetcode (3 hours/day, 100 hours in total)；
ML (复习之前的知识点，查一下这两年又新增了哪些要求，ML system design，2 hours/day, 50 hours in total)；
NLP (把resume里用到的熟悉一下，以后不想做这一块，不打算花太多时间，20 hours)；
DL (还没计划，看具体岗位要求）；
SQL, business/product sense （我擅长的。20 hours）。

Sum = 235 hours + DL + 公司&岗位research + behavior questions (10 hours)

2 hours per week day + 8 hours per weekend = 18 hours per week.

14 weeks + 2 weeks 查漏补缺 + 2 weeks buffer time = 18 weeks = 四个半月（最理想化情况）

从二分之一处（2月底三月初）开始投简历+实战📆

补充内容 (2021-1-5 06:29):
啊……不知道为啥这个帖子没办法被加米……如果想给我加米的伙伴们可以翻下我之前的帖子，随便找一个加米就行～ 感谢！

强力建议楼主转PM，MLE和SDE，你说的优势里只有工资高这一点是正确的，因为会涉及production，在公司里面分配自然是工资高不然出了问题还是容易影响公司业务，但是大家既然称码农，自然这个“农”字还是有道理的，如果按Impact来说，我反而觉得ds 更接近decision maker， 更容易是跟PM理解Business需求的第一人，如果是MLE/SDE，你还不是Manager的话，大概率你就是按每个sprint做ticket， PM makes most decision, 你manager 做一些简单的architect decision， 然后你相对没那么容易决定模型的设计和项目的走向，更容易是按步骤班跟着做，最坏的情况是还有research scientist或者model设计的PHD data scientist跟你一起合作， 那你是只能打下手productionize，把notebook写成OOP， spark-submit, 放到scheduling tool里等等，甚至参数都不许你调别人算法team给你设计好，那就悲剧了。

已经工作不少时间了，作为DS身边也有无数大厂小厂的data point, 非常常见的是毕业进一些小厂中厂或者非tech行业大厂，其实这时候你的product可能是职业生涯最有趣你能take很大的scope, 我以前就试过帮一个上万人的非tech大厂， 一个人撸了一个网页推荐系统还上线了，在Tech大厂基本不可能除非实在大牛，身边很多在这种非tech大厂做DS其实也觉得scope和project涉及会很广，普遍问题自然就是待遇低了，很可能比不上fb ds analytics :)  然后最后都会面临牺牲scope/project广度, 甚至不再做modeling转向大厂analytics的选择，如果是觉得analytics那就很好，如果不喜欢，只是为了工资，那就很痛苦了。 如果实力不错，进到一些如亚麻applied scientist的职位， 待遇很好自然也有机会建模，但是根据一些dp，因为亚麻已经很成熟很大了，很多team都开始转向新领域强行modeling，实际的问题很多其实根本不适合无脑ML，僧多粥少，推广deploy也难，还见过AS最后在一些组变成SQL做report， 会不会PIP就不知道了。 反馈起来也是Project 的business方面就不是那么solid，数据搜集方面还没做好ml的准备，难以推行，整体来说工作的成就感未必会随着工资大幅增加而同样增加。当然主要原因还是大厂成熟，太卷了， ML需求真不是那么大，远不如analytics / AB testing。 至于Startup, 机会肯定有，但是也得很早期，等它都成了独角兽了，bar高不提，里面主要的模型也是基本被人撸了个遍了。

其实纵观各类大厂tech行业，你会发现不管SDE也好，DS也好，MLE也好，PM的权力是非常大的，而且PM有时候还不懂技术，但是却时刻决定项目走向，你的engineer manager也不一定杠得过PM，如果楼主觉得性格合适，tech出身也是很好的加分项，不妨尝试转PM，以后的路也广很多（虽然不是人人都是劈柴哥），你带出来的Product你肯定是第一个take credit的，挑战性也相当高，DS的Mind Set也可以让你从数据Product的PM开始起步，比很多没做过DS的PM都有优势。 当然只是一家之言，说这些是因为看到楼主想转MLE的原因，除了钱这个非常认同之外，其他怕楼主转了也发现没有太大差别甚至可能更不开心。。

LZ显然应该申请research scientist 去做model, machine learning engineer 好多也是调参。如果不喜欢和“不聪明的人”打交道，建议直接去一线fund做quant.

看了楼主的自我陈述我感觉我就是楼主的反面瞬间更不好了...不爱和人交流，时间观念不好，做事没条理，看到棘手project就焦虑，没什么点子....我这种咸鱼到底应该干啥......

赞planning。但在亚麻做MLE很有可能会让你失望

借个名字 发表于 2021-01-03 17:49:54
赞planning。但在亚麻做MLE很有可能会让你失望

为啥呢？求详解～！

借个名字 发表于 2021-01-03 17:49:54
赞planning。但在亚麻做MLE很有可能会让你失望

我理解的是亚麻mle title实际上是applied scientist，对coding的要求是至少sde 1水平。求问对这个岗位的看法～ 感谢🙏🏼

yayun9341 发表于 2021-01-03 17:51:21
为啥呢？求详解～！

八一八亚马逊machine learning engineer  https://www.1point3acres.com/bbs/thread-701849-1-1.html

看这个帖子

借个名字 发表于 2021-01-03 19:08:32
八一八亚马逊machine learning engineer  https://www.1point3acres.com/bbs/thread-701849-1-1.html

看这个帖子

谢谢提醒～ 组还是很重要的，到时候肯定要小心坑。amazon我应该会申请applied scientist

看完楼主对自己性格分析的那一段，我怎么觉得DS更适合你😂。DS下要跟engineer沟通，上要跟decision maker传递actionable insight，而且还要和横向部门各种合作。楼主不妨往principal data scientist 甚至chief data scientist 这个path奋斗？

补充内容 (2021-1-4 11:55):
还有，manager不懂DS那是manager的问题，而不是DS这个职业的问题吧？你可以努力取代他的位置😄。

yesitsme 发表于 2021-01-03 19:53:03
看完楼主对自己性格分析的那一段，我怎么觉得DS更适合你。DS下要跟engineer沟通，上要跟decision maker传递actionable insight，而且还要和横向部门各种合作。楼主不妨

谢谢建议鼓励～ 我争取以后找机会走manager路线，这样的话自己的性格优势不会被浪费……但在IC阶段想有更多的ownership，ds ownership弱了些，而且想在ic阶段加强coding～ 做各种ds reporting/visualization常常感觉特别水

我也觉得其实lz挺适合ds的
好像这些问题主要是组的问题而不是ds对lz的特点不match的问题
另外想问下lz为什么觉得manager需要懂技术？（只是我个人遇到过不懂技术的manager但是管理的也挺好的 因为主要manager能够抢到资源和做好平衡管理）
不过总之祝lz一切顺利！

Lenin 发表于 2021-01-03 20:46:26
我也觉得其实lz挺适合ds的
好像这些问题主要是组的问题而不是ds对lz的特点不match的问题
另外想问下lz为什么觉得manager需要懂技术？（只是我个人遇到过不懂技术的manager但是管理的

是的，我的有些朋友也是说我蛮适合ds的～但是coding真的太少了，我真的很想趁着能刷动题的时候好好学习下coding～
manager现在不一定懂技术，但是最好技术出身～尤其是对于职场初期的人包括我自己来说，projects很大程度上是靠manager来给规划。我作为new graduate毕业刚进公司前半年啥也没干，就负责和隔壁组开会了。后来manager也反思自己说是因为他的问题。有的manager更侧重于搞好和各种组的关系，以及扩大他自己其他方面的scope，并不太care自己每个组员是否都在自己该在的位置上。