在大厂做 research scientist 的职业阶梯是怎么样的啊？

大家在大厂做 ML research scientist 往上走的阶梯是怎么样的啊？未来想往上爬，该爬哪个梯子？

补充内容 (2021-3-7 02:41):
我问这个问题是因为看到一个乱象：很多 research institute 的首席科学家并不是从 new grad researcher 爬上去的，而是从MIT，Stanford这样的professor空降过去的！

那 new grad researcher 该怎么爬呢？像MSR 这种老牌的科研机构，他们已经这么多年应该有足够的 data points 了吧，他们的 researchers 的 career paths 是怎样发展的？

补充内容 (2021-3-7 04:04):
据我所知，除了Google 和Microsoft，现在 FB, Amazon, Nvidia, Salesforce, Qualcomm 都有自己的 AI research 部门，每年招大量的PhD进去做 researcher，而且产出不少论文，但是领头的都是大学教授，不是爬上去的！

建议不要在大公司做researcher 当年最牛的微软研究院的researcher现在也是边缘化了 Harry都走了 Google research也基本不可能升到公司实权的中高层位置（即使是Jeff dean）
建议就是 想做学术去学校
公司就是赚钱的 research部门是cost center 比产品部门升职会比较慢 人家不会因为多个phd升你升得快 而且被裁员的时候research部门一马当先

以我身边的例子来看，公司内的Researcher基本上升到Principal就到头了，顶多再加个Senior Principal。想在公司内部有更大的影响力，确实还是需要转战产品部门，毕竟任何一个大公司盈利的地方都不可能是做学术研究的部门。

公司里的研究科学家和学校的老师是很不一样的。
学校的老师基本看你发了多少有影响力的文章，拿了多少科学基金，培养了多少学生。公司的楼主应该更清楚吧，我愚见是有多少转化为产品了，产品部门采纳并赚钱了，虽然也发文章，但那也是围绕给公司做宣传的。
选了公司Research scientist这条路就该知道自己的对公司的价值，我猜是在于解决问题，实现生产力转化。选了学校的工作，自己的价值多在于探索未知世界，培养人才。老师申请项目的压力很大，一旦申请到了实现起来压力不大；公司申请项目的压力小，但是实现压力大。

补充内容 (2021-3-8 07:23):
搜一下Why hasn't Yoshua Bengio cashed out like Yan LeCun, Geoff Hinton

补充内容 (2021-3-8 07:25):
他的回答https://www.quora.com/Why-hasnt- ... dent-who-wants-t...

能在大厂做到research scientist的人应该都是PhD成果很不错的，这种已经超出了一般码农的范畴，即使在PhD里面也至少算top 5-10%的水平了。拥有很多研究成果的好处是有credit，出去应聘profile很好看，而且对方也知道你具体做了什么。不像普通engineer没有credit出去应聘其实很难判断你具体有哪些成就。这个层次的人职业道路和一般的码农工程师肯定是不一样的，路子应该也很多。

一般三条路：1. 疯狂攒顶会顶刊文章，争取弄出大成果，各种刷脸攒知名度，然后选取适当的时机回学术界直接tenure； 2. 争取一些和产品组合作和落地的机会，争取让成果多落地进产品，多发patent，提高在公司内部和业界的visibility。这样大厂内部升职容易，出去了也会有人请；3. 用研究成果自己创业或者技术入股创业公司。

当然如果是真的大牛，普通码农的技能对这些人来说也是轻松掌握的。比如应该没有人怀疑Jeff Dean的系统设计和coding能力。

我毕业的第一份工作是MSR，当时觉得做researcher很高大上。干了几年后，自认实在无法在这条路上走下去。一来我本来就是工程能力强于research，二来看周边多数混的风生水起的同事一年灌水无数，但基本没啥实际价值，所谓顶会的paper也绝大多数是灌水，纯属学术圈自娱自乐。最后还是决定加入产品组做engineer，更符合自己的性格和能力些。

一直在MSR干的朋友们，也有从fresh grad做起，十来年后做到partner级别的。这些人到了一定级别后，还是要多和产品组一起合作，能真正把一些技术应用到产品里才有impact。

抛砖引玉一下，如果是纯科研RS，大部分人应该会留在学术界（辗转research lab，回学校等等），也可以作为IC以paper算kpi。
如果是有产品压力的，应该和产品sde没什么区别。

没前途，ML只在用户量很大的toC公司有用，很多人觉得ML很火，其实都是gogole为了给投资人吹牛做出来的广告，ML落地非常困难，你看无人车现在是什么乱象就知道了，比较2016年号称五年内无人车落地，所以走ML track是要劝退的。

多攒文章多拉关系多认识人，回学校当教授，可以拿更多的经费。

两条路:
学术路线：疯狂发论文灌水，提高业界知名度，以后到处忽悠，不过这种在工业界性价比比较低，因为一般能忽悠到别人的，至少得有个不错学校的title，或者有个业界皆知的著名工作。
工程路线：早点转mle，路线和普通sde没啥差别。

yangshao 发表于 2021-3-6 23:30
两条路:
学术路线：疯狂发论文灌水，提高业界知名度，以后到处忽悠，不过这种在工业界性价比比较低，因为 ...

MLE强力劝退，坑少，发展方向比较窄，远远不如做db的什么地方都会用，mle只有几家大的2c公司能用。

关注一下这个话题的讨论，希望多听听大家的意见。

Mark。

还有个问题，想听听大家的经验和看法：

以国内ML的迅速扩张来看（也可能是吸引VC的泡沫），美国大厂的MLE/AS/RS经验，对回国发展会有多大的帮助呢？

同感兴趣。现在想ds转mle，想着坑位多，怎么mle坑位也少吗？

钱上不要想太多，安心攒paper攒connection，在学术圈多争取service（当个AC啥的），然后适当机会跳回学校